상세정보
미래를 바꾸는 AI 기술 노트
- 저자
- 노성문
- 출판사
- 해라빛출판사
- 출판일
- 2025-02-11
- 등록일
- 2025-04-01
- 파일포맷
- PDF
- 파일크기
- 40MB
- 공급사
- 교보문고
- 지원기기
-
PC
PHONE
TABLET
프로그램 수동설치
뷰어프로그램 설치 안내
책소개
"인공지능이 더 이상 미래의 기술이 아니라는 사실을 체감하는 분들이 많아졌습니다.
스마트 스피커로 하루를 열고, 개인화된 알고리즘 추천으로 취향을 찾아가며, 챗봇과 자유롭게 대화하는 일상이 이제는 낯설지 않습니다.
하지만 이런 흐름 속에서도 “AI”라는 단어가 막연하게 느껴지거나, 그 의미를 정확히 몰라 대화를 이어가지 못하는 경우가 많습니다.
이 책은 바로 그런 ‘낯섦’을 해소하고, 누구나 AI의 기초 개념을 친숙하게 익힐 수 있도록 돕기 위해 기획되었습니다."
저자소개
"평범한 직장인으로 사회생활을 시작했지만, 업무 전반에서 인공지능 활용도가 급격히 높아지는 것을 직접 체감하게 되었습니다.
회계, 마케팅, 고객 상담 등 다양한 분야에 AI가 접목되면서, 그 중요성과 파급력이 더욱 커진다는 사실을 깨달았습니다.
이러한 흐름에 발맞추어, 초심자라도 쉽게 AI 세계에 들어설 수 있도록 용어집 형태의 전자책을 구상하게 되었습니다.
미래를 선도할 핵심 산업인 AI를 조금이라도 더 친근하게 소개하는 것이 목표입니다."
목차
"프롤로그
목차
Accuracy (정확도)
Activation Function (활성화 함수)
Algorithm (알고리즘)
Artificial Intelligence (AI, 인공지능)
Backpropagation (역전파)
Bias (바이어스)
Big Data (빅데이터)
Chatbot (챗봇)
Classification (분류)
Clustering (군집화)
Computer Vision (컴퓨터 비전)
Convolutional Neural Network (CNN, 합성곱 신경망)
Data (데이터)
Dataset (데이터셋)
Decision Tree (의사결정나무)
Deep Learning (딥러닝)
Epoch (에폭)
Feature (특징)
Feedforward Network (순방향 신경망)
Gradient Descent (경사하강법)
GPU (Graphics Processing Unit)
Hyperparameter (하이퍼파라미터)
Input Layer (입력층)
Label (레이블)
Learning Rate (학습률)
Loss Function (손실함수)
Machine Learning (머신러닝)
Mini-Batch (미니배치)
Momentum (모멘텀)
Natural Language Processing (NLP, 자연어처리)
Neural Network (신경망)
One-Hot Encoding (원-핫 인코딩)
Optimizer (옵티마이저)
Output Layer (출력층)
Overfitting (과적합)
Parameter (파라미터)
Predict (예측)
Preprocessing (전처리)
Precision (정밀도)
Recall (재현율)
Regression (회귀)
Reinforcement Learning (강화학습)
Supervised Learning (지도학습)
Test Set (테스트셋)
Tokenization (토크나이징)
Training Set (학습셋)
Underfitting (과소적합)
Validation Set (검증셋)
Weight (가중치)
Autoencoder (오토인코더)
Batch Normalization (배치 정규화)
Bayesian Network (베이지안 네트워크)
Beam Search (빔 서치)
Boosting (부스팅)
Capsule Network (캡슐 네트워크)
Collaborative Filtering (협업 필터링)
Confusion Matrix (혼동 행렬)
Cross Entropy (교차 엔트로피)
Curse of Dimensionality (차원의 저주)
Data Augmentation (데이터 증강)
Dropout (드롭아웃)
Early Stopping (조기 종료)
Embedding (임베딩)
Ensemble Learning (앙상블 학습)
F1 Score (F1 스코어)
Feature Extraction (특징 추출)
Fine-Tuning (파인튜닝)
Fourier Transform (푸리에 변환)
Gaussian Mixture Model (GMM, 가우시안 혼합 모델)
Generative Model (생성 모델)
Gradient Clipping (그라디언트 클리핑)
Grid Search (그리드 서치)
Gated Recurrent Unit (GRU)
He Initialization (He 초기화)
Label Smoothing (레이블 스무딩)
Learning Curve (학습 곡선)
Leaky ReLU (리키 렐루)
L1/L2 Regularization (L1/L2 정규화)
Mini-Batch Gradient Descent (미니배치 경사하강법)
N-Gram (엔그램)
One Cycle Policy (원 사이클 정책)
Online Learning (온라인 학습)
Pearson Correlation (피어슨 상관계수)
Perceptron (퍼셉트론)
Principal Component Analysis (PCA, 주성분 분석)
Q-Learning (Q 러닝)
Receiver Operating Characteristic Curve (ROC 곡선)
ReLU (Rectified Linear Unit)
Residual Network (ResNet)
Sensitivity/Specificity (민감도/특이도)
Sigmoid Function (시그모이드 함수)
Softmax Function (소프트맥스 함수)
Stemming (어간 추출)
Stop Words (불용어)
Synthetic Minority Over-sampling Technique (SMOTE)
Tensor (텐서)
Transfer Learning (전이학습)
Xavier Initialization (자비에 초기화)
Word Embedding (워드 임베딩)
Actor-Critic Method (액터-크리틱 방법)
저자소개
에필로그"
