인공지능 기초 핸드북: 용어·개념·공식

인공지능을 이해하는 핵심 기초의 흐름 (머신러닝, 딥러닝, 생성형, 자연어처리)

지식이야기 IT팀 지음

지식이야기 2026년 02월 10일 출간

작품소개

책소개

인공지능 기초 핸드북: 용어·개념·공식은 인공지능을 “무엇으로 설명할 수 있는가”에 집중하는 기초 안내서다. 이 책은 사례 중심의 체험담이나 고급 응용 기법을 앞세우지 않는다. 대신 인공지능을 이해하는 데 필요한 최소한의 언어와 구조를 정리하고, 자주 혼동되는 개념을 정확한 정의와 관계로 묶어 설명한다.

인공지능을 처음 접하면 용어는 익숙한데 의미가 흐릿하고, 개념은 아는 것 같은데 연결이 끊겨 있는 상태가 되기 쉽다. 이 책은 그 끊어진 연결을 메우기 위해 학습의 기본 구조, 데이터의 성질, 확률과 통계, 선형대수, 최적화, 신경망, 대표 모델 비교, 평가와 검증, 생성형 모델의 기초까지를 한 흐름으로 배치한다. 각 장은 “무엇을 가정하고, 무엇을 계산하며, 무엇을 기준으로 판단하는가”라는 질문을 중심으로 구성되어, 독자가 정의와 원리를 따라가며 스스로 개념의 지도를 만들 수 있도록 돕는다.

핸드북이라는 이름에 맞게 이 책은 설명을 과장하지 않는다. 꼭 필요한 공식과 기호는 의미와 사용 맥락을 함께 제시하고, 같은 단어가 다른 자리에서 어떻게 달라지는지 구분해준다. 분류와 회귀, 일반화와 과적합, 손실과 최적화, 표현과 생성 같은 핵심 축을 반복적으로 연결해, 단편적인 지식을 체계로 바꾸는 데 목적이 있다.

인공지능을 공부하는 출발점에서 가장 중요한 것은 복잡한 기법을 많이 아는 것이 아니라, 기본 단어를 정확히 쓰고 기본 개념을 정확히 연결하는 능력이다. 이 책은 그 기본기를 단단하게 만드는 데 초점을 맞춘 안내서이며, 인공지능을 이해하고 설명하고 검토할 수 있는 공통의 언어를 제공한다.


*생성형 인공지능을 활용하여 제작하고 편집 과정을 거쳤습니다. 편집자의 최종 검토를 거쳐 제작되었습니다.

목차

챕터 1 인공지능의 대상과 범위
인공지능이 다루는 문제의 유형
규칙 기반과 학습 기반의 구분
입력과 출력의 형식
모델이라는 추상화
데이터와 지식의 차이
성능과 신뢰의 개념
자동화와 의사결정의 관계

챕터 2 학습의 기본 구조
지도 학습의 목표
비지도 학습의 목표
강화 학습의 목표
훈련과 추론의 차이
일반화와 과적합
손실 함수의 역할
모델 선택의 의미

챕터 3 데이터의 성질과 준비
표본과 모집단
특성과 변수의 의미
측정 척도와 데이터 타입
결측과 이상치의 개념
정규화와 표준화의 목적
학습용 분할의 원칙
데이터 누수의 개념

챕터 4 확률과 통계의 최소 도구
확률의 해석
기대값과 분산
확률분포의 개념
조건부 확률과 독립성
추정과 불확실성
가설 검정의 의미
상관과 인과의 구분

챕터 5 선형대수의 핵심 도구
벡터와 공간의 직관
행렬과 선형 변환
내적과 유사도
노름과 거리
역행렬과 해의 존재
고유값과 고유벡터의 의미
차원과 랭크

챕터 6 최적화와 학습의 수학
목적 함수의 정의
미분과 기울기
경사하강법의 기본
학습률의 의미
지역 최적과 전역 최적
정규화의 목적
수렴과 안정성

챕터 7 신경망의 기본 구성요소
퍼셉트론의 관점
활성화 함수의 역할
층과 표현력
가중치와 편향
순전파와 역전파
초기화의 의미
과적합을 줄이는 기본 장치

챕터 8 대표 모델들의 원리 비교
최근접 이웃의 발상
의사결정나무의 분할 기준
앙상블의 결합 원리
서포트 벡터의 경계 개념
나이브 베이즈의 가정
군집화의 목적과 기준
차원 축소의 핵심 아이디어

챕터 9 평가와 검증의 기본 원칙
평가 지표의 목적
분류 성능의 관점
회귀 성능의 관점
교차 검증의 의미
편향과 분산의 관점
데이터 분포 변화의 문제
재현성과 비교 가능성

챕터 10 생성형 모델과 언어 모델의 기초
생성이라는 목표
표현과 잠재공간의 개념
확률적 생성의 관점
토큰과 시퀀스의 의미
어텐션의 핵심 아이디어
사전학습과 미세조정의 구분
제약과 한계의 범주

인물정보

저자(글) 지식이야기 IT팀

인공지능에 대한 관심을 바탕으로 독자 니즈와 시장 흐름을 꾸준히 연구하며, 복잡한 내용을 핵심 개념 중심으로 쉽게 정리한 지식콘텐츠를 성실히 제작하고 있습니다.