장바구니 담기 close

장바구니에 상품을 담았습니다.

정보관리기술사 & 컴퓨터시스템응용기술사 Vol.9 인공지능

정보관리기술사 & 컴퓨터시스템응용기술사 Vol.9 인공지능

  • 권영식,권대호
  • |
  • 성안당
  • |
  • 2021-06-14 출간
  • |
  • 340페이지
  • |
  • 190 X 260 mm
  • |
  • ISBN 9788931554540
판매가

30,000원

즉시할인가

27,000

배송비

무료배송

(제주/도서산간 배송 추가비용:3,000원)

수량
+ -
총주문금액
27,000

※ 스프링제본 상품은 반품/교환/환불이 불가능하므로 신중하게 선택하여 주시기 바랍니다.

출판사서평




■ 책의 특징
Part 1. 인공지능(人工知能, Artificial Intelligence)의 개요
인공지능의 역사, 인공지능의 분류, 특이점, 인공지능 원칙, 전문가 시스템, 튜링 테스트(Turing Test), Agent, 인공지능 윤리 등에 대한 내용으로 작성했습니다. [관련 토픽 - 17개]

Part 2. 인공지능 알고리즘
유전자 알고리즘, 그리디 알고리즘, 상관분석, 회귀분석, 군집분석, 자카드계수, 해밍거리, 연관규칙, 지지도/신뢰도/향상도, 앙상블학습, Bagging과 Boosting, Random Forest, Decision Tree, K-NN, 시계열 분석, SVM(Support Vector Machine), K-Means, DBSCAN, 차원 축소, 특징 추출, PCA, ICA, Q-Learning, Word2Vec 등에 대해 학습할 수 있도록 하였습니다. [관련 토픽 - 41개]

Part 3. 심층 신경망 상세
기계학습, 지도학습, 비지도(비감독) 학습, 강화학습, Deep Learning, Perceptron론, 활성화 함수, 하이퍼파라미터, 역전파법, 기울기 소실 문제, 경사하강법, 과적합과 부적합, Dropout, ANN, DNN, CNN, RNN, LSTM, GRU, RBM, DBN, DQN, GAN, DL4J, 혼동행렬, 기계학습의 평가 방법, 정확도, 재현율, 정밀도, F1 Score 등에 대해 학습할 수 있도록 하였습니다. [관련 토픽 - 35개]

Part 4. 인공지능 활용
음성인식기술, 챗봇(ChatBot), 가상개인비서, 패턴인식, 머신러닝 파이프라인(Machine Learning Pipeline), 자연어 처리, 엑소브레인(Exobrain)과 Deepview, SNA, 텐서플로우, 파이션의 특징 및 자료형, 패션 의류용 이미지를 분류하는 다층 신경망 예시 등을 수록했습니다. [관련 토픽 - 14개]

Part 5. 기출 및 예상 토픽
GPU와 CPU, 교차검증기법, 머신러닝 모델의 평가 방법, 보안 취약점, Data Annotation, AIaaS(AI as a Service), 인공지능 V 모델, 인공지능 점검할 항목, 인공지능 데이터 품질 요구사항, XAI, 인공지능 데이터 평가를 위한 고려사항 등에 대해 학습할 수 있습니다. [관련 토픽 - 15개]


목차


PART 1. 인공지능(人工知能, Artificial Intelligence)의 개요
1. 인공지능(Artificial Intelligence)의 역사
2. 인공지능
3. 약 인공지능(Weak AI), 강 인공지능(Strong AI), 초 인공지능(Super AI)
4. 인공지능(AI)의 특이점(Singularity)
5. 아실로마(ASILOMA) AI(인공지능) 원칙
6. 규칙기반모델
7. 추천엔진(Recommendation Engine)
8. 전문가시스템(Expert System)
9. 정규표현식과 유한 오토마타
10. 유한 오타마타(Finite Automata)
11. 튜링테스트(Turing Test)
12. 에이전트(Agent) - 1교시형 답안
13. 에이전트(Agent) - 2교시형 답안
14. 킬 스위치(Kill Switch)
15. 트롤리 딜레마(Trolley Dilemma)
16. 인공지능(AI) 윤리의 개념, 주요 사례, 고려사항 및 추진 방향
17. 이용자 중심의 지능정보사회를 위한 원칙

PART 2. 인공지능 알고리즘(Algorithm)
18. 유전자 알고리즘(Genetic Algorithm)
19. 그리디 알고리즘(Greedy Algorithm)
20. 상관분석(Correlation Analysis)
21. 회귀분석(Regression Analysis)
22. 로지스틱 회귀분석(Logistic Regression Analysis)
23. 군집분석(Cluster Analysis) - 1교시형 답안
24. 군집분석(Cluster Analysis) - 2교시형 답안
25. 계층적 군집분석(Hierarchical Clustering)
26. 자카드(Jaccard)계수
27. 해밍거리(Hamming Distance)
28. 유클리디안 거리(Euclidean Distance)
29. 유클리디안 거리(Euclidean Distance)를 계산하시오.
30. 마할라노비스 거리(Mahalanobis Distance)를 계산하시오.
31. Apriori(연관규칙) 알고리즘
32. 지지도(Support), 신뢰도(Confidence), 향상도(Lift)
33. 사례1(TV 구입시 DVD 구입), 사례2(우유 구입시 주스 구입)에 대해 연관규칙(지지도, 신뢰도, 향상도)을 제시하시오.
34. 앙상블학습(Ensemble Learning)
35. 머신러닝(Machine Learning)에 활용, 앙상블(Ensemble) 기법
36. Bagging과 Boosting 비교
37. 랜덤 포레스트(Random Forest)
38. 의사결정트리(Decision Tree)
39. K-NN(K-Nearest Neighbor)
40. 시계열 분석
41. 시계열 분석(ARIMA)
42. SVM(Support Vector Machine)- 1교시형 답안
43. SVM(Support Vector Machine)- 2교시형 답안
44. 베이즈(Bayes)정리
45. 크기와 모양이 같은 공이 상자 A에는 검은 공 2개와 흰공 2개, 상자 B에는 검은공 1개와 흰공 2개가 들어 있다. 두 상자 A, B 중 임의로 선택한 하나의 상자에서 공을 1개 꺼냈더니 검은공이 나왔을 때, 그 상자에 남은 공이 모두 흰공일 확률은? (베이즈(Bayes)정리를 활용하시오)
46. K-Means
47. DBSCAN(Density Based Spatial Clustering with Application Notes)
48. 차원축소(Dimensionality Reduction)
49. 특징추출(Feature Extraction)
50. 주성분 분석, PCA(Principal Component Analysis)
51. 독립성분분석, ICA(Independent Component Analysis)
52. 마르코프 결정 프로세스(Markov Decision Process, MDP)
53. 은닉 마르코프 모델(HMM-Hidden Markov Model)
54. 몬테카를로 트리 탐색(MCTS)
55. Q-Learning
56. Tokenization(토근화), N-gram
57. Word2Vec
58. Word2Vec학습모델, CBOW(Continuous Bag Of Words), Skip-gram

PART 3. 심층 신경망 상세
59. 일반적인 프로그램 방식과 Machine Learning(기계학습) 프로그래밍 방식
60. AI(Artificial Intelligence), ML(Machine Learning), DL(Deep Learning)
61. 기계학습(Machine Learning)
62. 지도학습(Supervised Learning)
63. 비지도(비감독)(Unsupervised Learning)학습
64. 강화학습(Reinforcement Learning)
65. 딥러닝(Deep Learning)
66. MCP(McCulloch-Pitts)뉴런(Neuron)
67. 헵 규칙(Hebb Rule)
68. 퍼셉트론(Perceptron)
69. 아달라인(Adaline- Adaptive Linear Neutron)
70. 활성화 함수(Activation Function) - 1
71. 활성화 함수(Activation Function) - 2
72. 신경망 학습 - FFNN(Feed Forward Neural Network)
73. 딥러닝(Deep Learning)의 파라미터(Parameter)와 하이터파라미터 (Hyperparameter)를 비교하고 하이퍼파라미터의 튜닝방법을 설명하시오
74. 역전파법(Back-Propagation)
75. 기울기 소실 문제(Vanㅣishing Gradient Problem)
76. 경사하강법(Gradient Descent)
77. 과적합(Overfitting)과 부적합(Underfitting), 적합(Bestfitting)
78. 과적합(Overfitting)과 부적합(Underfitting) 해결방안
79. Dropout
80. ANN(Artificial Neural Network)
81. DNN(Deep Neural Network)
82. CNN(Convolution Neural Network)
83. RNN(Recurrent Neural Network)
84. LSTM(Long Short-Term Memory)
85. GRU(Gated Recurrent Unit)
86. RBM(Restricted Boltzmann Machine)
87. DBN(Deep Belief Network)
88. DQN(Deep Q-Network)
89. GAN(Generative Adversarial Networks) 〈 GAN의 이해 〉
90. DL4J(Deep Learning 4J)
91. 혼동행렬(Confusion Matrix)
92. Machine Learning(기계학습)의 평가방법-Accuracy(정확도), Recall(재현율), Precision(정밀도)
93. F1 Score

PART 4. 인공지능 활용
94. 음성인식기술, ASR(Automatic Speech Recognition), NLU(Natural Language Understanding)
TTS(Text to Speech)
95. 음성인식(Voice Recognition)
96. 챗봇(ChatBot)
97. 가상개인비서(Virtual Personal Assistant)
98. 패턴인식(Pattern Recognition)
99. 머신러닝 파이프라인(Machine Learning Pipeline)
100. 자연어 처리
101. 엑소브레인(Exobrain)
102. 엑소브레인(Exobrain)과 Deepview 기술요소
103. 딥뷰(Deepview)
104. SNA(Social Network Analysis)
105. 텐서플로(Tensorflow)
106. 파이션(Python)의 특징 및 자료형(Data Type)
107. 패션 의류용 이미지를 분류하는 다층 신경망을 들려고 한다. 의류용 이미지는 바지, 치마, 셔츠 등 10가지 유형의 흑백 이미지(32*32 pixels)로 구성되어 있고, 학습에 투입할 이미지 데이터는 검증 및 테스트용 데이터를 제외하고 총 48,000장이다. 입력층, 은닉층, 출력층의 완전연결(fully connected) 3계층으로 구성되어 있고 은닉층의 뉴런개수는 100개일 때, 다음에 대하여 설명하시오
가. 신경망 구성도
나. 입력층의 입력개수, 출력층의 뉴런 개수, 학습할 가중치와 절편의 총 개수
다. 원핫인코딩(One-Hot Encoding)과 소프트맥스(Softmax)함수

PART 5. 기출 및 예상 토픽
108.GPU(Graphic Processing Unit)와 CPU(Central Processing Unit)의 차이점
109. 머신러닝 모델은 학습과 함께 검증 및 평가 과정이 필요하다
가. 교차검증(k-fold Cross Validation)기법에 대해 설명하시오
나. 머신러닝 모델의 평가방법에 대하여 설명하시오
110. 머신러닝 보안 취약점에 대해 설명하시오.
가. 머신러닝 학습과정에서의 적대적 공격 4가지
나. 각각 적대적 공격의 방어 기법
111. 데이터 어노테이션(Data Annotation)
112. AIaaS(AI as a Service)와 도입시 고려사항
113. 전이 학습(Transfer Learning)
114. Pre-Crime
115. 인공신경망의 오류 역전파(Backpropagation) 알고리즘
116. 머신러닝(Machine learning)의 학습방법은 크게 3가지[지도학습(Supervised Learning), 비지도 학습(Unsupervised Learning), 강화학습(Reinforcement Learning)]로 분류한다. 인공지능소프트웨어 개발 프로세스를 V 모델 기준으로 도식화하고 관련기술의 최신동향 및 안전취약점을 설명하시오
117. 인공지능 개발과정에서 중점적으로 점검할 항목
118. 인공지능 데이터 품질 요구사항
119. 몬테카를로(Monte Carlo) 트리(Tree) 탐색(MCTS)
120. 디지털 카르텔(Digital Cartel)
121. XAI(eXplainable AI)
122. 인공지능(AI) 데이터 평가를 위한 고려사항

교환 및 환불안내

도서교환 및 환불
  • ㆍ배송기간은 평일 기준 1~3일 정도 소요됩니다.(스프링 분철은 1일 정도 시간이 더 소요됩니다.)
  • ㆍ상품불량 및 오배송등의 이유로 반품하실 경우, 반품배송비는 무료입니다.
  • ㆍ고객님의 변심에 의한 반품,환불,교환시 택배비는 본인 부담입니다.
  • ㆍ상담원과의 상담없이 교환 및 반품으로 반송된 물품은 책임지지 않습니다.
  • ㆍ이미 발송된 상품의 취소 및 반품, 교환요청시 배송비가 발생할 수 있습니다.
  • ㆍ반품신청시 반송된 상품의 수령후 환불처리됩니다.(카드사 사정에 따라 카드취소는 시일이 3~5일이 소요될 수 있습니다.)
  • ㆍ주문하신 상품의 반품,교환은 상품수령일로 부터 7일이내에 신청하실 수 있습니다.
  • ㆍ상품이 훼손된 경우 반품 및 교환,환불이 불가능합니다.
  • ㆍ반품/교환시 고객님 귀책사유로 인해 수거가 지연될 경우에는 반품이 제한될 수 있습니다.
  • ㆍ스프링제본 상품은 교환 및 환불이 불가능 합니다.
  • ㆍ군부대(사서함) 및 해외배송은 불가능합니다.
  • ㆍ오후 3시 이후 상담원과 통화되지 않은 취소건에 대해서는 고객 반품비용이 발생할 수 있습니다.
반품안내
  • 마이페이지 > 나의상담 > 1 : 1 문의하기 게시판 또는 고객센터 1800-7327
교환/반품주소
  • 경기도 파주시 문발로 211 1층 / (주)북채널 / 전화 : 1800-7327
  • 택배안내 : CJ대한통운(1588-1255)
  • 고객님 변심으로 인한 교환 또는 반품시 왕복 배송비 5,000원을 부담하셔야 하며, 제품 불량 또는 오 배송시에는 전액을 당사에서부담 합니다.