 01장 알파고와 알파폴드를 만든 구글 딥마인드
1.1 대한민국의 인공지능: 알파고 이전과 이후  2
1.2 낭중지추  4
1.2.1 딥마인드 창업자 데미스 하사비스  7
1.3 알파벳은 왜 바둑을 선택했나?  9
1.3.1 알파고의 학습방법  10
1.3.2 알파고의 바둑기풍  13
1.4 인공지능을 리딩하는 딥마인드  17
1.5 생명의 신비를 풀어주는 인공지능 알파폴드  20
1.5.1 알파폴드의 모델구조  22
1.5.2 알파폴드의 학습방법  24
1.5.3 알파폴드의 활용  25
 02장 ChatGPT와 오픈AI
2.1 알파고 이후 인공지능 쓰나미: ChatGPT  30
2.1.1 공상과학 영화가 현실이 되다  32
2.1.2 언어모델이란?  35
2.1.3 챗GPT의 기본 모델: 트랜스포머  39
2.1.4 일반 챗봇과 챗GPT의 차이점  42
2.1.5 챗GPT는 어떻게 만들어졌나?  45
2.1.6 챗GPT 활용사례  56
2.2 오픈AI  66
2.2.1 초기 오픈AI의 인공지능 연구  69
2.2.2 오픈AI가 만든 인공지능 예술가  73
 03장 인공지능
3.1 지능이란?  78
3.2 인공지능이란?  81
3.2.1 인공지능의 연구분야  84
3.3 인공지능의 역사  92
3.3.1 인공지능의 서막을 올린 앨런 튜링  94
3.3.2 최초의 인공지능 테스트: 튜링 테스트  98
3.3.3 인공지능 뇌의 진화  101
3.3.4 새로운 컴퓨팅 환경: 양자컴퓨터  109
3.3.5 최초의 인공신경망: 퍼셉트론  113
3.3.6 인공지능이라는 용어의 등장  115
3.3.7 인공지능의 위대한 도전들  117
3.3.8 첫번째 인공지능 겨울  122
3.3.9 인공지능의 재도약  124
3.3.10 인공지능의 핵심: 머신러닝  129
3.3.11 두번째 인공지능 겨울  131
3.3.12 현재의 인공지능  132
3.3.13 IoT와 인공지능: 디지털트윈  136
3.4 인공지능의 미래  143
3.4.1 특이점: 선형 대 지수  146
3.4.2 일반 인공지능  149
3.4.3 AGI로 가는 길  149

 04장 인공지능의 핵심: 학습
4.1 학습: 지능의 핵심  160
4.2 모델이란?  162
4.2.1 물리모델  164
4.2.2 학습모델  165
4.2.3 추론모델  165
4.2.4 인공지능에서 모델구현의 접근방법  167
4.3 학습모델의 학습방법  168
4.4 학습모델과 머신러닝  173
4.4.1 콜레라를 멈추게 한 160년전의 머신러닝  173
4.4.2 학습모델의 특성추출  176
4.4.3 학습모델 활용의 확산  177
4.5 통계와 확률  179
4.5.1 상관분석과 회귀분석  179
4.5.2 빈도론 vs 베이지안  181
4.5.3 현대 임상실험 방법을 바꾼 베이지안  187
 05장 머신러닝
5.1 머신러닝 개요  196
5.2 머신러닝과 딥러닝의 차이점  201
5.3 지도학습  208
5.3.1 지도학습의 학습방법  209
5.3.2 분류  210
5.3.3 예측/회귀  244
5.4 비지도학습  273
5.4.1 비지도학습의 학습방법  274
5.4.2 군집  276
5.3.3 차원축소  296
5.5 강화학습  308
5.5.1 강화학습의 학습방법  311
5.5.2 강화학습 모델의 구성요소  312
5.5.3 강화학습 문제정의: MDP  318
5.5.4 가치기반 강화학습  324
5.5.5 정책기반 강화학습  337
5.5.6 모델기반 강화학습  338
 06장 딥러닝
6.1 딥러닝 개요  346
6.2 딥러닝의 발전과정  348
6.2.1 뉴런과 시냅스  349
6.2.2 인공신경망의 시작: TLU  350
6.2.3 기억과 학습  353
6.2.4 최초의 인공신경망 모델: 퍼셉트론  354
6.2.5 에러의 역전파  365
6.2.6 딥러닝 프레임워크  372
6.3 딥러닝의 학습절차  378
6.4 기본 신경망 모델  381
6.4.1 다층 퍼셉트론 예제  383
6.5 이미지 분석  387
6.5.1 컨볼루션 신경망  391
6.5.2 이미지 분류  397
6.5.3 이미지 객체추출  409
6.5.4 이미지 객체분할  418
6.6 순차적 데이터 분석  426
6.6.1 순환신경망 모델과 활용사례  427
6.6.2 기본적인 순환신경망  431
6.6.3 LSTM과 GRU  434
6.6.4 학습목적에 따른 순환신경망 구조  438
6.6.5 순환신경망에서의 역전파  443
6.6.6 Seq2Seq 기반의 언어모델  445
6.6.7 트랜스포머  451
6.6.8 GPT 모델과 BERT 모델  458
6.7 생성모델  462
6.7.1 오토인코더  467
6.7.2 VAE 모델  469
6.7.3 GAN 모델  474
6.7.4 Diffusion 모델  478
6.7.5 가짜와의 전쟁: DeepFake  485
6.8 심층강화학습  490
6.8.1 가치기반 심층강화학습 모델  490
6.8.2 정책기반 심층강화학습 모델  493

 별첨: 인공지능, 머신러닝, 딥러닝에 사용되는 용어