머리말 인공지능의 구조와 원리를 제대로 이해하는 길잡이

I 인공지능의 부상
컴퓨터가 그림을 읽다니
인공지능의 정의
인공지능 용어의 오용
인공지능 기술의 역사
인공지능 주요 사례

Ⅱ 데이터와 인공지능
데이터의 유형별 구분
데이터를 분석하고 활용하는 법
손이 많이 가는 데이터
빅데이터와 인공지능
데이터 분석 모델이란?
데이터 분석 ㆍ 활용의 주요 사례

III 머신러닝
머신러닝의 정의
일차함수의 등장
가설식의 의미
가중치 구하기의 어려움
선형회귀
손실 비용 산출
경사하강법
기계학습 실습해 보기
다항 선형회귀
이진분류
다중분류
그림을 읽는 컴퓨터
MNIST 데이터세트
이미지 인식하기

IV 딥러닝
뉴런
퍼셉트론
퍼셉트론 검증하기 ①
퍼셉트론 검증하기 ②
다층 퍼셉트론의 등장
다층 퍼셉트론의 의의
DNN
개발 패러다임의 변화
CNN ①
CNN ②
CNN ③
RNN
RNN의 활용

V 비지도학습
기계학습의 3대 유형
글자 · 단어 예측 모델의 지도학습
비지도학습의 개념
K-means
GAN

VI 강화학습
강화학습의 원리
강화학습의 활용 사례
온실 속 강화학습?

Ⅶ 대규모 언어 모델
ChatGPT의 등장
머신러닝의 이슈가 된 LLM
자연어 처리
자연어 처리로 구현되는 주요 기능들
자연어 처리 기술의 도약
워드 임베딩의 기본 개념
워드 임베딩이 단어를 표현하는 방법
전이학습의 기본 개념
자연어 처리 분야에서의 전이학습
대규모 언어 모델의 전이학습
다양도로 전이학습되는 대규모 언어 모델
언어 모델의 기본 개념
언어 모델 개념의 확장
인코더-디코더 모델
컨텍스트 벡터
어텐션이 필요한 이유
어텐션 메커니즘
트랜스포머
트랜스포머의 어텐션
트랜스포머 메커니즘의 특징
대규모 언어 모델-BERT와 GPT
BERT와 GPT의 출력
고성능 언어 모델의 비결 ①
고성능 언어 모델의 비결 ②
대규모 언어 모델의 한계
대규모 언어 모델 출현의 의의
결국 똑같은 기초 원리

Ⅷ 고성능 기계, 그리고 사람
AI 기술의 취약점 ①
AI 기술의 취약점 ②
AI 기술의 취약점 ③
AI 기술의 극악한(?) 속성
인공지능은 결국, 데이터
데이터 정제와 레이블링
언어 모델을 위한 데이터 확보
인공지능은 지능을 갖췄는가
강인공지능과 약인공지능
강인공지능의 출현 가능성
범용 인공지능
행동 모델의 가능성
휴머노이드와 함께하는 세상
AI 서비스의 개발 과정
AI 전문가가 되려면
우리는 앞으로 어떻게 대응해야 할까?

참고 문헌
그림 및 사진 출처
찾아보기