인공지능 개론

디지털 전환을 위한 인공지능 입문서

곽종호 지음

북랩 2024년 05월 16일 출간 종이책 : 2024년 04월 16일 출간

작품소개

책소개

최근 인공지능의 최대 관심사는 혁신을 위한 다양한 산업과의 융합이다. 그렇기에 인공지능의 대표적 분야인 자연어 처리와 컴퓨터 비전의 개념을 설명함으로써 인공지능에 대한 장벽을 보다 쉽게 허물고자 한다. 이들 분야에서 사용하는 대표적인 딥러닝 알고리즘으로 순환신경망(RNN), 트랜스포머, 합성곱신경망(CNN), 생성형 적대 신경망(GAN)과 욜로(Yolo)에 대한 설명과 예제를 제공하여 이해를 돕는다.
이 책은 인공지능의 기초 개념부터 응용 분야까지 폭넓게 다루는 개론서이다. 인공지능의 역사를 소개하고, 인공지능 개론에서 가장 기본적인 기계학습과 딥러닝에 대한 기초 개념의 이해를 바탕으로 로지스틱회귀, 결정트리, 서포트 벡터 머신 등 다양한 기계학습 방법을 설명과 함께 직접 경험할 수 있는 풍부한 예제를 제공한다.
인공지능에 대하여 기초지식을 쌓고 싶은 사람과 응용 분야에 관심이 있는 도메인 전문가에게 유익한 정보를 제공할 것이다. 또한, 독자들이 인공지능에 대한 지식과 기술을 알고자 할 때, 충실한 안내서가 되어 주기를 기대해 본다.

목차

머리말

1장 인공지능 개요
1. 인공지능 역사
1-1. 인공지능의 탄생
1-2. 인공지능의 발전
1-3. 인공지능 트렌드
2. 인공지능의 개념
2-1. 인공지능(Artificial Intelligence)
2-2. 기계학습(Machine Learning)
2-3. 딥러닝(Deep Learning)
3. 인공지능의 분류
3-1. 기술적 관점
3-2. 구현 방식에 따른 관점
4. 인공지능 개발 환경

2장 기계학습
1. 기계학습 개요
2. 기계학습 과정
2-1. 데이터 수집
2-2. 데이터 전처리
2-3. 데이터 가공
2-4. 학습 모델 선택과 모델 훈련

3장 딥러닝과 인공 신경망
1. 인공 신경망 개요
1-1. 뉴런 및 신경망 구조
1-2. 가중치와 편향
1-3. 활성화 함수
1-4. 학습 알고리즘
1-5. 손실 함수
1-6. 신경망 종류
2. 퍼셉트론
2-1. 퍼셉트론: AND 문제
2-2. 퍼셉트론: AND 문제 해결 과정
3. 심층 신경망 - 딥러닝
4. CNN(Convolutional Neural Network, 합성곱 신경망)
5. RNN(Recurrent Neural Network, 순환 신경망)
6. 트랜스포머(Transformer)
7. 욜로(Yolo)

4장 자연어 처리(Natural Language Processing)
1. 자연어 처리 개요
1-1. 자연어 이해(NLU, Natural Language Understanding)
1-2. 자연어 생성(NLG, Natural Language Generation)
1-3. 형태소 분석
1-4. 표제어 추출
1-5. 구문 분석
1-6. 기계 번역
2. 자연어 이해(Natural Language Understanding)
2-1. 형태소 분석
2-2. 표제어 추출
2-3. 구분 분석
3. 자연어 생성(Natural Language Generating)
3-1. 자연어 생성 방법
3-2. 자연어 생성 과정
4. 자연어 번역
4-1. 번역 모델

5장 컴퓨터 비전
1. 컴퓨터 비전 개요
2. 컴퓨터 비전의 발전 과정
3. 이미지 처리
3-1. 이미지 처리 과정
3-2. 이미지 처리 분야
4. 객체 인식
4-1. 데이터 가공을 위한 이미지 라벨링 종류
5. 이미지 생성
5-1. 생성형 적대 신경망(GAN, Generative Adversarial Network)
5-2. VAE(Variational Auto Encoder)
5-3. 뉴럴 변환(Neural Style Transfer)
5-4. 슈퍼 레졸루션(Super Resolution)

6장 대표적인 기계학습 라이브러리
1. 사이킷 런(Scikit-Learn)
1-1. 사이킷 런의 대표적인 특징
1-2. 사이킷 런의 설치와 사용
2. 케라스(Keras)
2-1. 케라스의 대표적인 특징
2-2. 케라스의 설치와 사용
3. 텐서플로(TensorFlow)
3-1. 텐서플로의 대표적인 특징
3-2. 텐서플로의 설치와 사용
4. 파이토치(PyTorch)
4-1. 파이토치의 특징
4-2. 파이토치의 설치와 사용

참고 자료

책 속으로

인공지능은 데이터에 기반하여 학습한 내용을 토대로 예측 혹은 판단하는 것으로 정의할 수 있습니다. 앨런이 만든 기계의 동작 원리도 암호 해독을 위한 기본적인 내용을 학습하고, 이것을 중심으로 독일군의 정교한 암호 체계인 에니그마를 무력화하는 튜링 머신을 완성하였습니다.
p.12

KNN은 이해하기 쉽고 간단한 원리로 동작하며, 데이터의 분포에 크게 영향을 받기 때문에 이상치나 노이즈에 민감하게 동작합니다. 예측 시에 데이터 값들 간의 거리를 매번 계산해야 하기 때문에 많은 자원을 사용하게 됩니다. 그리고 가장 중요한 하이퍼 파라메터인 K값을 적절히 선택해야 합니다. 분류 문제의 경우, K값은 홀수로 지정해야 다수결로 결정할 수 있게 되어, 보통 K값은 3 이상의 홀수로 지정하게 됩니다.
p.59

Q-Learning은 강화학습의 기본 알고리즘입니다. 에이전트가 환경과 상호 작용하며, 어떤 상태에서 어떤 행동을 선택해야 하는지를 학습하는 방법입니다. Q-Learning은 상태-행동 공간을 탐험하면서 최적의 정책을 찾는 데 중점을 두고 있습니다. 이를 통해 에이전트는 최적의 행동을 선택하여 누적 보상을 최대화하도록 학습합니다.
p.104

트랜스포머의 핵심은 Self-Attention 메커니즘입니다. 입력 시퀀스의 각 요소는 다른 모든 요소와 상호 작용하고, 그 중요도는 가중치로 결정됩니다. 이 가중치는 유사도를 계산하여 결정하는데, 이를 Scaled Dot-Product Attention이라고 부릅니다.
p.149

컴퓨터 비전 기술을 이용한 이미지 처리는 제품의 품질을 검사하거나 생산 자산을 관찰하는 용도로 훈련시킬 수 있으며, 훈련된 인공지능 시스템은 인간보다 빠르게 결함이나 특징을 찾아낼 수 있습니다.
p.212

Super Resolution(슈퍼 레졸루션)은 저해상도 이미지를 고해상도 이미지로 변환하는 기술입니다. 딥러닝을 활용하여 저해상도 이미지를 입력받고, 고해상도 이미지를 생성하는 네트워크를 학습하게 됩니다. CNN 기반의 딥러닝 기술을 사용하는 것이 일반적입니다.
p.258

작가정보

저자(글) 곽종호

1963년 대전에서 태어났다.
서강대학교 전자계산학과를 졸업하고, 한국휴렛팩커드에서 27년간 근무했다.
인공지능 스타트업에서 데이터바우처 사업을 관리하면서 인공지능 관련 기술을 습득하였다.
한국휴렛팩커드 교육센터와 한국생산성본부에서 인공지능 기초 강의를 하였다.
지금은 프리랜서로 인공지능을 이용하여 디지털 전환을 추진하는 기업을 대상으로 인공지능 개론 교육을 하고 있으며, 인공지능이 학습하여 추론을 하는 과정에 대한 이해를 돕기 위해 랩톱 컴퓨터에서 실행 가능한 예제 코드를 시험하고 있다.