상세정보
문과생을 위한 인공지능 입문
- 저자
- 김장현,김민철 저
- 출판사
- 에이콘출판사
- 출판일
- 2024-10-14
- 등록일
- 2024-12-26
- 파일포맷
- PDF
- 파일크기
- 23MB
- 공급사
- YES24
- 지원기기
-
PC
PHONE
TABLET
웹뷰어
프로그램 수동설치
뷰어프로그램 설치 안내
책소개
인공지능에 관심이 있지만 복잡한 수식이나 어려운 코드 때문에 학습을 시작하기 어려웠던 사람들을 위한 책이다. 누구나 쉽게 인공지능 개발을 경험할 수 있도록 수학적 설명을 최대한 배제했다. 코딩에 대한 기초 지식 없이도 쉽게 인공지능 개발에 도전할 수 있도록 개발 환경 구축부터 파이썬의 기초적인 사용법을 다룬다. 또한 실제 인공지능 개발 workflow를 소개함으로써 인공지능 개발의 A to Z를 모두 경험할 수 있는 기회를 제공한다. 이 책은 인공지능 개발에 도전하고 싶은 분들이 파이썬을 이용해서 그 첫걸음을 떼는 데 도움이 될 것이다.
저자소개
연세대학교에서 경제학(학사)과 인터넷이용자 연구(석사)를 했다. 이후 데이터사이언스와 커뮤니케이션을 접목하기 위해 미국 뉴욕주립대학교 버팔로(State University of New York at Buffalo)에서 유학을 했다. 박사 학위 취득 후에는 하와이대, DGIST 대구경북과학기술원에서 교수 생활을 했으며, 2014년 이후 성균관대에서 융복합 학부와 대학원 학과를 여러 개 설립하는 데 기여했다. 교육현장에서 문과생이나 비전공자에게 인공지능 기초를 강의하는 것이 얼마나 어려우면서도 중요한지 깨닫고 이 책을 쓰게 됐다.
목차
1장. 들어가며__1.1 인공지능이란 무엇인가? __1.2 이 책의 특징 __1.3 이 책의 구성 ____1.3.1 파이썬의 기초 ____1.3.2 인공지능 개발 파이프라인 ____1.3.3 인공지능 개발 실습 __1.4 요약 2장. 인공지능과 사회 윤리 __2.1 인공지능과 윤리 __2.2 데이터 수집과 윤리 __2.3 인공지능과 데이터 편향 __2.4 인공지능과 사회적 영향 __2.5 요약3장. 파이썬과 구글 코랩 사용하기__3.1 왜 파이썬을 사용해야 하나?__3.2 구글 코랩은 무엇인가?__3.3 구글 코랩의 A to Z____3.3.1 구글 코랩 실행하기____3.3.2 코드셀과 텍스트셀____3.3.3 코랩 노트북 공유 방법____3.3.4 구글 코랩 코드 히스토리 보기__3.4 구글 코랩에서 외부 파일 사용하기__3.5 구글 코랩 중단하기____3.5.1 실행 중인 코드 중단하기____3.5.2 런타임 재시작하기 및 런타임 초기화하기__3.6 요약4장. 파이썬과 친해지기 1__4.1 파이썬 시작하기____4.1.1 안녕, 세상아! 출력하기____4.1.2 주석 달기__4.2 파이썬을 사용해 계산 결과 출력하기____4.2.1 파이썬에서의 사칙 연산____4.2.2 왜 마지막 값만 출력될까?__4.3 파이썬에서 사용되는 데이터의 종류____4.3.1 파이썬에서 사용하는 네 가지 데이터 유형____4.3.2 문자열에서의 따옴표 사용____4.3.3 데이터 값 사이의 연산____4.3.4 큰 숫자의 표시____4.3.5 데이터 간 유형 변환__4.4 문자열 인덱싱과 슬라이싱____4.4.1 인덱싱 실습____4.4.2 슬라이싱__4.5 요약__연습문제 15장. 파이썬과 친해지기 2__5.1 변수____5.1.1 변수에 데이터 저장하기____5.1.2 변수명 정하기 ____5.1.3 사용자에게 데이터를 입력받아 변수에 저장하기 __5.2 리스트 ____5.2.1 리스트 만들기 ____5.2.2 리스트에 저장되는 데이터의 유형 ____5.2.3 리스트의 인덱싱과 슬라이싱 ____5.2.4 리스트의 연산 __5.3 리스트 안의 데이터 다루기 ____5.3.1 리스트 안의 데이터 수정 ____5.3.2 명령어를 사용해 리스트 안의 요소 처리 ____5.3.3 리스트의 복제 __5.4 딕셔너리 ____5.4.1 딕셔너리 만들기 ____5.4.2 딕셔너리 인덱싱 __5.5 딕셔너리 안의 데이터 다루기 ____5.5.1 딕셔너리 데이터 추가 ____5.5.2 딕셔너리 안의 데이터 수정 ____5.5.3 딕셔너리 안의 데이터 삭제 ____5.5.4 딕셔너리 복제 __5.6 요약 __연습문제 2 6장. 조건문과 반복문 __6.1 연산자 ____6.1.1 대입연산자 ____6.1.2 비교연산자 ____6.1.3 멤버연산자 ____6.1.4 식별연산자 __6.2 조건문의 활용 ____6.2.1 조건문의 형식 ____6.2.2 복수의 조건문 사용법 ____6.2.3 if, elif, else의 활용 __6.3 반복문 ____6.3.1 반복문은 왜 필요한가? ____6.3.2 while을 사용해 조건이 만족할 때까지 반복해 실행하기 ____6.3.3 while문과 조건문의 사용 __6.4 for를 사용해 일정 범위에서 반복문을 사용하기 ____6.4.1 for문의 기본 문법 ____6.4.2 for의 중첩 사용 ____6.4.3 for와 if, continue의 사용 __6.5 리스트의 요소 자동으로 채우기 ____6.5.1 리스트 컨프리헨션의 형식 ____6.5.2 리스트 컴프리헨션과 조건문 사용하기 __6.6 딕셔너리의 요소 자동으로 채우기 ____6.6.1 딕셔너리 컴프리헨션 만들기 ____6.6.2 조건문과 함께 딕셔너리 컴프리헨션 사용하기 __6.7 요약 __연습문제 3 7장. 판다스의 활용 __7.1 판다스 ____7.1.1 판다스 사용할 준비하기 ____7.1.2 데이터 시리즈 ____7.1.3 데이터 시리즈의 특성 __7.2 데이터프레임 ____7.2.1 데이터프레임 만들기 ____7.2.2 데이터프레임 인덱싱하기 __7.3 외부 데이터 관리하기 ____7.3.1 데이터 불러오기 __7.4 데이터프레임 살펴보기 ____7.4.1 데이터 특성 확인하기 ____7.4.2 데이터프레임의 연산 ____7.4.3 조건에 맞는 데이터만 가져오기 __7.5 데이터 합치기 ____7.5.1 .append()를 사용해 반복되는 데이터 합치기 ____7.5.2 .merge()를 사용해 독립적인 두 데이터 합치기 __7.6 탐색적 데이터 분석 및 처리 ____7.6.1 데이터프레임에 대한 기본 정보 살펴보기 ____7.6.2 데이터 탐색적 분석하기 ____7.6.3 열에 대한 여러 정보를 한번에 보기 __7.7 명목 변수를 사용해서 그룹별로 기술 통계치 출력하기 ____7.7.1 명목 변수란? ____7.7.2 명목 변수를 사용해 데이터 나눠 보기 __7.8 요약 __연습문제 4 8장. 데이터 시각화 실습 __8.1 데이터 시각화 ____8.1.1 시각화를 위해서 사용한 seaborn 모듈 ____8.1.2 간단한 선 그래프 그리기 __8.2 분포도를 사용해 데이터 분포 보기 ____8.2.1 변수 하나의 분포도 시각화하기 ____8.2.2 여러 데이터의 분포도를 시각화하기 ____8.2.3 막대의 크기 조절 ____8.2.4 명목 변수를 사용해 하나의 분포도에 다른 그룹을 시각화하기 __8.3 박스플롯을 사용해 데이터 특성 파악하기 ____8.3.1 박스플롯의 개념 ____8.3.2 박스플롯 시각화 ____8.3.3 명목 변수를 사용해 그룹별로 박스플롯 시각화하기 ____8.3.4 여러 그룹의 분포 살펴보기 __8.4 두 변수의 관계를 산점도를 사용해 시각화하기 ____8.4.1 산점도 그리기 ____8.4.2 그룹에 따라 산점도를 다르게 시각화하기 ____8.4.3 데이터별 크기 조절 __8.5 히트맵을 사용해 두 변수의 빈도 구하기 ____8.5.1 히트맵의 개념과 실습 데이터 ____8.5.2 피벗테이블 만들기 ____8.5.3 히트맵 만들기 __8.6 워드클라우드로 단어 빈도 시각화하기 ____8.6.1 분석 준비하기 ____8.6.2 데이터 전처리 ____8.6.3 단어 빈도 수 시각화하기 ____8.6.4 워드클라우드 조정하기 __8.7 요약 __연습문제 5 9장. 인공지능 개발 파이프라인 __9.1 인공지능 개발 워크플로 __9.2 문제 제기 __9.3 데이터 파악 __9.4 데이터 전처리 및 정제 __9.5 모델 학습, 검증, 평가 __9.6 요약 10장. 데이터 수집/이해/처리 __10.1 데이터란 무엇인가? ____10.1.1 구조화된 데이터와 비구조화된 데이터 __10.2 데이터 수집 ____10.2.1 탐색적 데이터 분석 __10.3 데이터 전처리 실습 ____10.3.1 결측값 처리 ____10.3.2 결측값 처리 실습 ____10.3.3 이상치 처리 실습 __10.4 데이터 정제 ____10.4.1 기존의 데이터를 사용해 새로운 데이터로 변환 ____10.4.2 데이터 리코딩 ____10.4.3 원-핫-인코딩 __10.5 요약 11장. 모델과 학습 __11.1 모델이란? __11.2 인공지능에서 학습이란? __11.3 지도 학습 __11.4 비지도 학습 __11.5 강화학습 __11.6 요약 12장. 모델 검증 및 평가 __12.1 모델을 왜 평가하나? ____12.1.1 지도 학습을 사용해 학습한 모델의 평가____12.1.2 비지도 학습을 사용해 학습한 모델의 평가__12.2 과소적합과 과대적합 문제 __12.3 모델 검증과 평가 실습 ____12.3.1 과소적합 및 과대적합 실습 준비 ____12.3.2 회귀분석 학습 및 평가__12.4 교차 검증 ____12.4.1 교차 검증의 개념 ____12.4.2 K-겹 교차 검증____12.4.3 K-겹 교차 검증 실습__12.5 모델 평가 ____12.5.1 예측 모델 ____12.5.2 분류 모델____12.5.3 비지도 학습에서의 평가 __12.6 요약 13장. 예측 문제 해결하기(비가 오는 날은 영화 관객 수가 줄어들까?) __13.1 들어가며 __13.2 선형 회귀 모델에 대한 개념적 설명 __13.3 인공지능 모델 학습 준비____13.3.1 준비하기 ____13.3.2 데이터 불러오기 __13.4 데이터 탐색적 분석 __13.5 예측 모델 학습 ____13.5.1 데이터셋 준비 ____13.5.2 데이터셋 분리 __13.6 모델 학습 __13.7 정규화__13.8 모델 검증 및 평가____13.8.1 모델 평가__13.9 K-겹 교차 검증__13.10 모델 평가 활용__13.11 학습된 모델로 2020년 영화 관객 수 예측해 보기 __13.12 요약 __연습문제 6 14장. 분류 문제 해결하기(누가 신문을 읽고 있을까?) __14.1 들어가며 ____14.1.1 서포트 벡터 머신의 개념 __14.2 분류 모델 학습 준비 ____14.2.1 데이터 준비 ____14.2.2 탐색적 분석 __14.3 분류 모델 학습 ____14.3.1 데이터 준비 ____14.3.2 분류 모델 학습 __14.4 모델 평가 ____14.4.1 혼동행렬 ____14.4.2 혼동행렬을 사용해 평가 지표 구하기 ____14.4.3 Receiver Operating Characteristics(ROC) 커브를 사용해 모델 평가하기 __14.5 모델 성능 개선 ____14.5.1 모델 개선: 분류에 사용하는 특성이 많아지면 모델 성능이 향상될까? ____14.5.2 변수를 계속 추가하면 모델의 성능이 계속 향상될까? ____14.5.3 모델 성능 비교 ____14.5.4 K-겹 교차 검증 __14.6 요약 __연습문제 7 15장. 군집화 문제 해결하기(강수량과 평균 기온으로 사계절을 구분할 수 있을까?__15.1 K-평균 군집화의 개념 __15.2 K-평균 군집화 모델 학습 ____15.2.1 준비하기 ____15.2.2 탐색적 분석 ____15.2.3 모델 학습 ____15.2.4 학습된 모델 확인 ____15.2.5 K-평균 군집 모델 시각화 __15.3 K-평균 군집화 모델 평가 ____15.3.1 실루엣 분석의 개념 ____15.3.2 각 데이터별 실루엣 계수 구하기 ____15.3.3 실루엣 계수를 사용해 모델 성능 비교 ____15.3.4 실루엣 분석 시각화 __15.4 요약 __연습문제 8 16장. 텍스트를 자동으로 분류하기(토픽 모델링을 사용한 신문사설 자동 분류 모델) __16.1 토픽 모델링이란? ____16.1.1 토픽 모델링의 개념 ____16.1.2 LDA 토픽 모델링 ____16.1.3 토픽 모델링 실습 과정 __16.2 텍스트 전처리 ____16.2.1 분석 준비하기 ____16.2.2 텍스트 전처리 ____16.2.3 특수 기호 없애기 ____16.2.4 형태소 분석 ____16.2.5 정규화____16.2.6 불용어 제거__16.3 토픽 모델링 실습____16.3.1 토모토파이 설치 ____16.3.2 토모토파이 기본 사용 방법 __16.4 최적의 K값 찾기 ____16.4.1 토픽 모델링 함수 정의 ____16.4.2 K값 찾기 ____16.4.3 혼란도 값의 시각화 __16.5 토픽 모델링 결과 탐색 ____16.5.1 토픽별로 확률이 높은 단어 출력하기 ____16.5.2 각 문서별 토픽 분포 구하기 ____16.5.3 토픽 이름 붙이기 ____16.5.4 토픽 모델링 시각화 __16.6 요약 __연습문제 9
