이 책의 구성과 특징

이 책은 전체 5개의 단원으로 구성하여 대학 1학년 과정에서 한 학기 강의로 모든 단원이 완료될 수 있도록 구성하였다. 필자의 다양한 경험을 살려 최대한 쉽게 기술하여 학생들의 눈높이에 맞추려고 노력하였다.
이 책의 주요 특징은 다음과 같다.
- 1장부터 4장까지는 인공지능의 기술과 연계된 수학적 원리를 그림으로 풀어 설명함으로써 최대한 이해하기 쉽게 구성하였으며, 5장에서는 인공지능과 관련된 수학의 전반적인 내용을 좀 더 보완하여 알기 쉽게 설명하였다.
- 교재의 중간에 있는 여기서 잠깐!에서는 예전에 학습한 내용이나 주의해야 할 내용을 간단히 설명하여 학생들이 다른 교재를 찾아보는 수고를 덜어 학습의 연속성을 유지할 수 있도록 하였다.
- 각 단원의 연습문제에 대한 정답을 부록에 수록하였다.

이 책의 내용

1장에서는 인공지능의 정의를 살펴보고 머신러닝과 딥러닝과의 상관관계에 대하여 학습한다. 또한 현재와 같은 인공지능 시대가 도래하기까지 인공지능의 발전과정에 대하여 개략적으로 학습하고, 인공지능이 활용되고 있는 주요 분야에 대하여 소개한다. 인공지능을 실제로 구현하기 위해서는 실세계에서 얻은 방대한 데이터를 컴퓨터가 처리하고 계산이 가능한 형태로 만들어야 한다. 이를 위하여 필요한 것이 수학이며, 어떤 분야의 수학이 인공지능에 사용되는지에 대하여 소개한다.
2장에서는 인공지능에서 사용되는 대표적인 비정형 데이터인 텍스트 데이터, 이미지 데이터의 수학적인 표현과 데이터 처리 방법에 대하여 학습한다. 이를 위하여 집합의 정의와 표현, 벡터의 정의와 성분표시, 벡터 기본 연산, 행렬의 정의와 기본 연산 등에 대하여 수학적인 내용을 소개한다.
3장에서는 데이터 분류의 개념과 감성분석에 대하여 학습하고, 텍스트 데이터의 분류를 위하여 여러 가지 유사도의 정의에 대해 소개한다. 또한 인공지능이 이미지 데이터를 분류하기 위하여 해밍 거리에 의한 행렬 유사도의 개념에 대하여 학습한다. 마지막으로 사람의 뇌에서 정보전달 방법을 모방한 인공신경망의 수학적 모델을 소개하고, 다층 퍼셉트론과 심층신경망의 학습알고리즘인 역전파 학습알고리즘과 딥러닝을 학습한다.
4장에서는 주어진 정보가 불확실하거나 명확하지 않은 상황에서도 인공지능은 가능성이 높은 방향으로 의사결정을 하게 되는데, 이 때 필요한 수학적 도구인 확률의 기초 내용에 대하여 소개한다. 또한 주어진 데이터로부터 적절한 경향성을 파악하기 위한 선형회귀에 대하여 학습하며, 추세선 결정을 위한 수학적 기초로써 다변수함수의 편미분에 대하여 소개한다. 마지막으로 선형회귀모델에서 경사하강법의 개념과 원리에 대해서 학습하며, 선형회귀 문제를 해결하는 또 다른 방법으로 최소제곱법을 소개한다.
5장에서는 인공지능의 원리를 이해하기 위하여 필수적인 기초수학을 추가로 소개하였다. 여러 가지 함수와 미분법, 합성함수와 역함수의 미분법, 다변수함수의 2차 편도함수, 특수한 행렬과 행렬식, 역행렬의 정의와 역행렬 계산법, 벡터 외적, 벡터공간의 기초 개념 등에 대하여 기본적이고 필수적인 내용에 대하여 학습한다. 이 장의 내용은 인공지능을 학습하면서 관련된 수학적인 내용을 찾아보는 용도로 활용하는 것이 효과적이다.