책소개

머리말

4차 산업혁명의 핵심 기술 AI는 음성, 영상, 문자 등의 디지털 데이터를 스스로 학습하여 사용자가 필요로 하는 서비스를 제공할 수 있는 유용한 도구이다. AI를 활용한 서비스를 개발하기 위해서 교육, 공장, 금융, 문화, 예술, 정치 등 다양한 분야에서 데이터의 디지털화가 폭증하고 있다. AI 활용을 구현하기 위해 파이썬 프로그래밍, 머신러닝, 딥러닝 등의 AI 기술에 대한 이해가 필요하다.

AI 엔지니어는 AI 알고리즘 개발, 데이터 분석, AI 프로그래밍 등의 전문적인 AI 활용 업무를 수행한다. 음성, 영상, 문자 등의 데이터에 대한 지식을 갖추어 AI 훈련에 적합한 데이터 특성을 이해하는 것이 중요하다. 머신러닝 및 딥러닝 등 AI 알고리즘을 이해하여 데이터 훈련에 적합한 손실함수, 최적화 알고리즘 등을 적절하게 선택하여 사용하는 것이 필요하다. 파이썬, 케라스 등 프로그래밍 기법을 통해 AI 활용 서비스를 구현할 수 있는 실무적 역량도 필요하다.

본 교재는 AI 엔지니어로서 갖추어야 할 기본적인 파이썬 프로그래밍 기법과 함께 머신 러닝 및 딥러닝 프로그래밍을 구글 코랩을 통해 실습해 봄으로써 실무 지식도 갖추어 전반적인 AI 활용 역량을 강화하고자 하였다. AI 활용은 총 3부로 구성된다. 1부 파이썬 기초에서는 구글 코랩 사용환경 구축, 데이터 타입, 연산, 파이썬 제어문, 파이썬 함수, 객체지향 프로그래밍, 파이썬 라이브러리를 다룬다. 2부 머신러닝은 AI란?, 머신러닝 지도 학습, 케라스(Keras), 머신러닝 선형회귀, 머신러닝 로지스틱 회귀, 머신러닝 소프트맥스 회귀를 다룬다. 3부 딥러닝은 딥러닝 AI 모델을 다룬다.

본 교재는 AI 엔지니어의 실무 역량 강화를 위한 목적으로 저술하였다. AI 알고리즘의 이해에 필요한 경사하강법, 손실함수 등 관련 수학적 내용은 본 교재에서 다루지 않는다. 따라서 비전문가도 본 교재에서 제시한 파이썬과 AI 개념을 통해 AI 활용에 대한 지식을 어느 정도 갖출 수 있다.

AI는 메타버스 등 디지털 현실에 확장적으로 활용되고 있다. AI는 현실 데이터를 디지털 데이터로 전환할 수 있는 모든 분야에서 폭발적으로 활용 수요가 팽창하고 있다. AI에 대한 지식은 이러한 사회 변화에 적응하기 위해 필수적으로 갖추어야 할 기본적 요소로 자리잡고 있다. 따라서 본 교재는 AI 활용을 위한 입문서로 그 역할을 어느 정도 수행할 수 있다고 생각된다.

저자 올림

저자소개

목차

PART 1  파이썬 기초

CHAPTER 01  구글 코랩 사용환경 구축
1.1  구글 계정 추가하기
1.2  구글 코랩에 접속하기
1.3  노트북(notebook) 사용하기


CHAPTER 02  데이터 타입
2.1  숫자(Number)
2.2  문자열(String)
2.3  리스트(List)
2.4  튜플(Tuple)
2.5  딕셔너리(Dictionary)
2.6  불(Boolean)
2.7  변수(Variable)


CHAPTER 03  연산
3.1  산술 연산
3.2  비교 연산
3.3  대입 연산
3.4  논리 연산
3.5  문자열 포맷팅(Formatting)
3.6  인덱싱(Indexing)
3.7  슬라이싱(Slicing)
3.8  데이터 함수


CHAPTER 04  파이썬 제어문
4.1  조건문
4.2  반복문


CHAPTER 05  파이썬 함수
5.1  내장함수(Built-in Function)
5.2  외장함수
5.3  사용자 함수


CHAPTER 06  객체지향 프로그래밍
6.1  패키지(Package)와 모듈(Module)
6.2  클래스(Class)


CHAPTER 07  파이썬 라이브러리
7.1  넘파이(Numpy)
7.2  맷플롯립(Matplotlib)
7.3  판다스(Pandas)



PART 2  머신러닝

CHAPTER 08  AI(Artificial Intelligence)란?
8.1  AI 개념
8.2  AI 용어
8.3  AI 학습 방식
8.4  AI 지도학습 데이터셋
8.5  AI 학습
8.6  AI 응용 사례


CHAPTER 09  머신러닝 지도 학습
9.1  지도 학습
9.2  선형회귀(Linear Regression) 모델
9.3  로지스틱 회귀(Logistic Regession) 모델
9.4  소프트맥스 회귀(Softmax Regression) 모델


CHAPTER 10  케라스(Keras)
10.1  AI 모델
10.2  케라스를 사용한 AI 모델 구현


CHAPTER 11  머신러닝 선형회귀
11.1  시험공부 시간으로 시험점수 예측하기
11.2  당뇨병 환자의 1년 후 상태 예측하기
11.3  주택가격 예측하기


CHAPTER 12  머신러닝 로지스틱 회귀
12.1  시험점수로 학과 분류하기
12.2  종양 분류하기
12.3  AI 모델 평가하기
12.4  당뇨 분류하기


CHAPTER 13  머신러닝 소프트맥스 회귀
13.1  시험점수로 성적 분류하기
13.2  패션 영상 분류하기
13.3  손글씨 숫자 분류하기
13.4  붓꽃(Iris) 분류하기



PART 3  딥러닝

CHAPTER 14  딥러닝 AI 모델
14.1  딥러닝 이진 분류
14.2  딥러닝 다중 분류
14.3  딥러닝 합성곱 신경망(CNN)