소장자료검색

책소개

인공지능을 활용하는 다양한 실제 사례와 인공지능 애플리케이션을 구현하는데 필요한 여러 가지 알고리즘을 소개한다. 인공지능의 개념을 소개하고 데이터 마이닝 기법으로 인공지능의 핵심 구성 요소를 구현하는 다양한 방법도 살펴본다. 또한 최상의 결과를 얻기 위한 알고리즘 구현 방법과, 알고리즘을 실전에 적용하는 방법도 소개한다. 이미지나 텍스트, 주식 시장을 비롯한 다양한 형태의 데이터를 다루는 애플리케이션에 인공지능을 적용하기에 훌륭한 길잡이가 될 것이다.

목차

1장. 인공지능
__인공지능이란?
__AI를 배워야할 이유
__AI의 응용 분야
__AI 관련 세부 분야
__튜링 테스트를 이용한 지능의 정의
__기계가 사람처럼 생각하게 만들기
__이성적인 에이전트
__범용 문제 해결기
____GPS를 이용한 문제 해결 방법
__지능적인 에이전트 구현 방법
____모델의 종류
__+파이썬 3 설치
____우분투에 설치하기
____맥 OS X에 설치하기
____윈도우에 설치하기
__패키지 설치
__데이터 불러오기
__요약

2장. 지도 학습을 이용한 분류와 회귀
__지도 학습 및 비지도 학습
__+분류
__데이터 전처리
____이진화
____평균 제거
____크기 조정(scaling)
____정규화
__레이블 인코딩
__로지스틱 회귀 분류기
__나이브 베이즈 분류기
__오차 행렬
__+서포트 벡터 머신
__SVM으로 소득 계층 분류하기
__회귀 분석
__단순 회귀 분석 모델 만들기
__다중 회귀 분석 모델 만들기
__서포트 벡터 회귀 모델로 주택 가격 예측하기
__요약

3장. 앙상블 학습을 이용한 예측 분석
__앙상블 학습
__+앙상블 학습을 이용한 학습 모델 구축하기
__의사 결정 트리
__의사 결정 트리 기반 분류기 구축하기
__랜덤 포레스트와 극단 랜덤포레스트
____랜덤 포레스트와 극단 랜덤 포레스트 분류기 만들기
__예측 신뢰도 측정하기
__클래스 별 데이터 불균형 처리
__그리드 검색을 사용해 최적의 학습 매개변수 찾기
__특징별 상대적 중요도 계산
__극단 랜덤 포레스트 회귀분석을 이용한 교통량 예측
__요약

4장. 비지도 학습을 이용한 패턴 추출
__비지도 학습
__K-평균 알고리즘을 이용한 데이터 군집화
__평균 이동 알고리즘으로 군집 개수 예측하기
__실루엣 지수로 군집화 품질 측정하기
__가우시안 혼합 모델
__가우시안 혼합 모델 기반 분류기 만들기
__AP 모델로 주식 시장에서 소그룹 찾기
__쇼핑 패턴에 따른 시장 세분화
__요약

5장. 추천 시스템 만들기
__학습 파이프라인 만들기
__최근접 이웃 뽑기
__K-최근접 이웃 분류기 만들기
__유사도 계산하기
__협업 필터링을 이용해 유사한 사용자 찾기
__영화 추천 시스템 만들기
__요약

6장. 논리형 프로그래밍
__논리형 프로그래밍
__논리형 프로그래밍의 기본 구성 요소
__논리형 프로그래밍을 이용한 문제 해결 방법
__논리형 프로그래밍 관련 파이썬 패키지 설치 방법
__수학 표현식 매칭하기
__소수 검사기
__가계도 분석기
__지도 분석기
__퍼즐 해결기
__요약

7장. 휴리스틱 탐색 기법
__휴리스틱 탐색
__무정보 탐색 vs 정보 탐색
__제약 조건 만족 문제(CSP)
__지역 탐색 기법
__시뮬레이티드 어닐링(SA)
__그리디 탐색 기법으로 문자열 생성하기
__제약 조건 만족 문제(CSP) 풀기
__영역 칠하기
__8-퍼즐 풀기
__미로 찾기
__요약

8장. 유전 알고리즘
__진화 알고리즘과 유전 알고리즘
__유전 알고리즘의 기본 개념
__미리 정의된 매개변수를 이용해 비트 패턴 생성하기
__진화 과정 시각화하기
__기호 회귀 문제 푸는 방법
__지능형 로봇 제어기 만들기
__요약

9장. 인공지능을 이용한 게임 만들기
__게임에서 검색 알고리즘 사용하기
__조합 검색
__미니 맥스 알고리즘
__알파-베타 가지치기
__네가맥스 알고리즘
__easyAI 라이브러리 설치하기
__마지막 동전 피하기 게임 봇 만들기
__틱택토 게임 봇 만들기
__두 개의 커넥트 포 게임 봇을 만들어 서로 대결시키기
__두 개의 헥사폰 게임 봇을 만들어 서로 대결시키기
__요약

10장. 자연어 처리
__관련 패키지 소개 및 설치
__텍스트 데이터 토큰화
__어간 추출을 통해 단어를 기본형으로 변형하기
__표제화를 통해 단어를 기본형으로 변형하기
__텍스트 데이터를 단어 묶음으로 나누기
__백오브워드 모델을 사용해 단어 빈도 추출하기
__카테고리 예측기 만들기
__성별 분류기 만들기
__감성 분석이기 만들기
__잠재 디리클레 할당(Latent Dirichlet Allocation)을 통한 주제 모델링
__요약

11장. 순차적 데이터에 대한 확률 추론
__순차적 데이터 이해하기
__팬더 패키지를 이용해 시계열 데이터 처리하기
__시계열 데이터 분할하기
__시계열 데이터 이용하기
__시계열 데이터에서 통계 추출하기
__은닉 마르코프 모델을 사용해 데이터 생성하기
__조건부 랜덤 필드로 알파벳 문자열 예측하기
__주식 시장 분석하기
__요약

12장. 음성 인식기 만들기
__음성 신호 이용하기
__오디오 신호 시각화
__오디오 신호를 주파수 도메인으로 변환
__오디오 신호 생성
__음악을 만들기 위해 음색tone 합성하기
__음성 특징 추출하기
__단어 인식하기
__요약

13장. 물체 감지와 추적
__OpenCV 설치
__프레임 차이 대조법
__색 공간을 이용한 물체 추적 기법
__배경 분리법를 이용한 물체 추적 기법
__캠시프트 알고리즘을 이용한 인터랙티브 방식 물체 추적기
__광학 흐름 기반 추적 기법
__얼굴 검출 및 추적
____++하 캐스케이드를 이용한 물체 감지
____적분 이미지를 이용한 특징 추출
__눈 검출 및 추적
__요약

14장. 인공 신경망
__인공 신경망의 개념
____신경망 구축 방법
____신경망 학습 방법
__퍼셉트론 기반 분류기 구현 방법
__단층 신경망 구축 방법
__다층 신경망 구축 방법
__벡터 양자화기 만들기
__+재귀 신경망을 이용한 순차적인 데이터 분석 방법
__OCR 데이터베이스로 문자 시각화하기
__OCR 엔진 만들기
__요약

15장. 강화 학습
__기본 전제
__강화 학습 vs 지도 학습
__강화 학습의 실전 사례
__강화 학습의 기본 구성 요소
__강화 학습 환경 구축 방법
__학습 에이전트 구현 방법
__요약

16장. CNN을 이용한 딥러닝
__CNN의 정의
__CNN의 구조
__CNN에서 사용하는 계층의 종류
__퍼셉트론 기반 선형 회귀 분석기
__단층 신경망으로 이미지 분류기 만들기
__CNN을 이용해 이미지 분류기 만들기
__요약