인공지능을 활용하는 다양한 실제 사례와 인공지능 애플리케이션을 구현하는데 필요한 여러 가지 알고리즘을 소개한다. 인공지능의 개념을 소개하고 데이터 마이닝 기법으로 인공지능의 핵심 구성 요소를 구현하는 다양한 방법도 살펴본다. 또한 최상의 결과를 얻기 위한 알고리즘 구현 방법과, 알고리즘을 실전에 적용하는 방법도 소개한다.
이미지나 텍스트, 주식 시장을 비롯한 다양한 형태의 데이터를 다루는 애플리케이션에 인공지능을 적용하기에 훌륭한 길잡이가 될 것이다.

[목 차]

1장. 인공지능
__인공지능이란?
__AI를 배워야할 이유
__AI의 응용 분야
__AI 관련 세부 분야
__튜링 테스트를 이용한 지능의 정의
__기계가 사람처럼 생각하게 만들기
__이성적인 에이전트
__범용 문제 해결기
____GPS를 이용한 문제 해결 방법
__지능적인 에이전트 구현 방법
____모델의 종류
__+파이썬 3 설치
____우분투에 설치하기
____맥 OS X에 설치하기
____윈도우에 설치하기
__패키지 설치
__데이터 불러오기
__요약


2장. 지도 학습을 이용한 분류와 회귀
__지도 학습 및 비지도 학습
__+분류
__데이터 전처리
____이진화
____평균 제거
____크기 조정(scaling)
____정규화
__레이블 인코딩
__로지스틱 회귀 분류기
__나이브 베이즈 분류기
__오차 행렬
__+서포트 벡터 머신
__SVM으로 소득 계층 분류하기
__회귀 분석
__단순 회귀 분석 모델 만들기
__다중 회귀 분석 모델 만들기
__서포트 벡터 회귀 모델로 주택 가격 예측하기
__요약


3장. 앙상블 학습을 이용한 예측 분석
__앙상블 학습
__+앙상블 학습을 이용한 학습 모델 구축하기
__의사 결정 트리
__의사 결정 트리 기반 분류기 구축하기
__랜덤 포레스트와 극단 랜덤포레스트
____랜덤 포레스트와 극단 랜덤 포레스트 분류기 만들기
__예측 신뢰도 측정하기
__클래스 별 데이터 불균형 처리
__그리드 검색을 사용해 최적의 학습 매개변수 찾기
__특징별 상대적 중요도 계산
__극단 랜덤 포레스트 회귀분석을 이용한 교통량 예측
__요약


4장. 비지도 학습을 이용한 패턴 추출
__비지도 학습
__K-평균 알고리즘을 이용한 데이터 군집화
__평균 이동 알고리즘으로 군집 개수 예측하기
__실루엣 지수로 군집화 품질 측정하기
__가우시안 혼합 모델
__가우시안 혼합 모델 기반 분류기 만들기
__AP 모델로 주식 시장에서 소그룹 찾기
__쇼핑 패턴에 따른 시장 세분화
__요약


5장. 추천 시스템 만들기
__학습 파이프라인 만들기
__최근접 이웃 뽑기
__K-최근접 이웃 분류기 만들기
__유사도 계산하기
__협업 필터링을 이용해 유사한 사용자 찾기
__영화 추천 시스템 만들기
__요약


6장. 논리형 프로그래밍
__논리형 프로그래밍
__논리형 프로그래밍의 기본 구성 요소
__논리형 프로그래밍을 이용한 문제 해결 방법
__논리형 프로그래밍 관련 파이썬 패키지 설치 방법
__수학 표현식 매칭하기
__소수 검사기
__가계도 분석기
__지도 분석기
__퍼즐 해결기
__요약


7장. 휴리스틱 탐색 기법
__휴리스틱 탐색
__무정보 탐색 vs 정보 탐색
__제약 조건 만족 문제(CSP)
__지역 탐색 기법
__시뮬레이티드 어닐링(SA)
__그리디 탐색 기법으로 문자열 생성하기
__제약 조건 만족 문제(CSP) 풀기
__영역 칠하기
__8-퍼즐 풀기
__미로 찾기
__요약


8장. 유전 알고리즘
__진화 알고리즘과 유전 알고리즘
__유전 알고리즘의 기본 개념
__미리 정의된 매개변수를 이용해 비트 패턴 생성하기
__진화 과정 시각화하기
__기호 회귀 문제 푸는 방법
__지능형 로봇 제어기 만들기
__요약


9장. 인공지능을 이용한 게임 만들기
__게임에서 검색 알고리즘 사용하기
__조합 검색
__미니 맥스 알고리즘
__알파-베타 가지치기
__네가맥스 알고리즘
__easyAI 라이브러리 설치하기
__마지막 동전 피하기 게임 봇 만들기
__틱택토 게임 봇 만들기
__두 개의 커넥트 포 게임 봇을 만들어 서로 대결시키기
__두 개의 헥사폰 게임 봇을 만들어 서로 대결시키기
__요약


10장. 자연어 처리
__관련 패키지 소개 및 설치
__텍스트 데이터 토큰화
__어간 추출을 통해 단어를 기본형으로 변형하기
__표제화를 통해 단어를 기본형으로 변형하기
__텍스트 데이터를 단어 묶음으로 나누기
__백오브워드 모델을 사용해 단어 빈도 추출하기
__카테고리 예측기 만들기
__성별 분류기 만들기
__감성 분석이기 만들기
__잠재 디리클레 할당(Latent Dirichlet Allocation)을 통한 주제 모델링
__요약


11장. 순차적 데이터에 대한 확률 추론
__순차적 데이터 이해하기
__팬더 패키지를 이용해 시계열 데이터 처리하기
__시계열 데이터 분할하기
__시계열 데이터 이용하기
__시계열 데이터에서 통계 추출하기
__은닉 마르코프 모델을 사용해 데이터 생성하기
__조건부 랜덤 필드로 알파벳 문자열 예측하기
__주식 시장 분석하기
__요약


12장. 음성 인식기 만들기
__음성 신호 이용하기
__오디오 신호 시각화
__오디오 신호를 주파수 도메인으로 변환
__오디오 신호 생성
__음악을 만들기 위해 음색tone 합성하기
__음성 특징 추출하기
__단어 인식하기
__요약


13장. 물체 감지와 추적
__OpenCV 설치
__프레임 차이 대조법
__색 공간을 이용한 물체 추적 기법
__배경 분리법를 이용한 물체 추적 기법
__캠시프트 알고리즘을 이용한 인터랙티브 방식 물체 추적기
__광학 흐름 기반 추적 기법
__얼굴 검출 및 추적
____++하 캐스케이드를 이용한 물체 감지
____적분 이미지를 이용한 특징 추출
__눈 검출 및 추적
__요약


14장. 인공 신경망
__인공 신경망의 개념
____신경망 구축 방법
____신경망 학습 방법
__퍼셉트론 기반 분류기 구현 방법
__단층 신경망 구축 방법
__다층 신경망 구축 방법
__벡터 양자화기 만들기
__+재귀 신경망을 이용한 순차적인 데이터 분석 방법
__OCR 데이터베이스로 문자 시각화하기
__OCR 엔진 만들기
__요약


15장. 강화 학습
__기본 전제
__강화 학습 vs 지도 학습
__강화 학습의 실전 사례
__강화 학습의 기본 구성 요소
__강화 학습 환경 구축 방법
__학습 에이전트 구현 방법
__요약


16장. CNN을 이용한 딥러닝
__CNN의 정의
__CNN의 구조
__CNN에서 사용하는 계층의 종류
__퍼셉트론 기반 선형 회귀 분석기
__단층 신경망으로 이미지 분류기 만들기
__CNN을 이용해 이미지 분류기 만들기
__요약

인공지능을 활용하는 다양한 실제 사례와 인공지능 애플리케이션을 구현하는데 필요한 여러 가지 알고리즘을 소개한다. 인공지능의 개념을 소개하고 데이터 마이닝 기법으로 인공지능의 핵심 구성 요소를 구현하는 다양한 방법도 살펴본다. 또한 최상의 결과를 얻기 위한 알고리즘 구현 방법과, 알고리즘을 실전에 적용하는 방법도 소개한다.
이미지나 텍스트, 주식 시장을 비롯한 다양한 형태의 데이터를 다루는 애플리케이션에 인공지능을 적용하기에 훌륭한 길잡이가 될 것이다.

★ 이 책에서 다루는 내용 ★
■ 분류와 회귀 분석 기법의 이해
■ 군집화의 개념과 이를 활용한 데이터를 자동으로 세분화하는 방법
■ 지능형 추천 시스템 구현 방법
■ 논리형 프로그래밍의 개념과 활용 방법
■ 자동 음성 인식 시스템 구축 방법
■ 휴리스틱 탐색과 유전 프로그래밍의 기본 개념
■ 인공지능을 이용한 게임 구현 방법
■ 강화 학습의 기본 원리
■ 이미지와 텍스트, 시계열 데이터를 다루는 지능형 애플리케이션 구현 방법
■ 딥러닝 알고리즘 사용법 및 이를 이용한 애플리케이션 구현 방법

★ 이 책의 대상 독자 ★ M.
이 책은 현실 세계에 적용할 수 있는 인공지능 애플리케이션을 구축하려는 파이썬 개발자를 위해 저술했다. 파이썬을 처음 접하는 이들도 충분히 이해할 수 있지만, 파이썬에 능숙하다면 예제를 마음껏 응용해볼 수 있다. 자신의 전문 분야에 인공지능 기법을 적용하려는 숙련된 파이썬 프로그래머도 이 책을 통해 많은 도움을 받을 수 있다.

★ 이 책의 구성 ★
1장. '인공지능'에서는 인공지능에 관련된 다양한 개념을 소개한다. AI의 응용 및 연구 분야, 모델링 방법을 소개하고, AI 응용 구현에 필요한 파이썬 패키지를 설치하는 방법도 설명한다.
2장. '분류와 회귀 분석'에서는 분류와 회귀 분석을 위한 지도 학습 기반의 기술을 소개한다. 소득 데이터를 분석하고 주택 가격을 예측하는 프로그램도 만든다.
3장. '앙상블 학습을 위한 예측 분석'에서는 앙상블 학습을 이용한 예측 분석 모델을 만드는 방법에 대해 랜덤 포레스트를 중심으로 소개한다. 이러한 기법을 이용해 스포츠 경기장 주변의 교통량을 예측하는 방법도 살펴본다.
4장. '비지도 학습을 이용한 패턴 인식'에서는 K-평균, 평균 이동 군집(클러스터링)을 비롯한 비지도 학습에 관련된 여러 알고리즘을 소개한다. 이러한 알고리즘을 주식 시장 데이터 분석과 고객 세분화 작업에 적용하는 방법도 살펴본다.
5장. '추천 시스템'에서는 추천 엔진을 구현하기 위한 알고리즘을 소개한다. 그리고 이러한 알고리즘을 이용해 협업 필터링과 영화 추천 기능을 구현하는 방법도 살펴본다.
6장. '논리형 프로그래밍'에서는 논리형 프로그래밍의 개념과 기본 구성 요소에 대해 소개한다. 표현식 매칭, 가계도 분석, 퍼즐 풀기를 비롯한 다양한 응용을 살펴본다.
7장. '휴리스틱 탐색'에서는 솔루션 공간을 탐색하기 위한 여러 가지 휴리스틱 탐색 기법을 소개한다. 시뮬레이티드 어닐링(simulated annealing), 영역 색칠, 미로 찾기와 같은 다양한 응용도 살펴본다.
8장. '유전 프로그래밍'에서는 진화 알고리즘과 유전 프로그래밍에 대해 소개한다. 교배, 변이, 적합도 함수와 같은 다양한 개념을 살펴보며, 이를 이용해 기호 회귀 문제를 풀고 지능형 로봇 제어기를 만드는 방법을 알아본다.
9장. '인공지능을 이용한 게임 만들기'에서는 인공지능을 이용해 게임을 만드는 방법을 소개한다. 틱택토(Tic Tac Toe), 커넥트 포(Connect Four), 헥사폰(Hexapawn)을 비롯한 다양한 게임을 만들어본다.
10장. '자연어 처리'에서는 토큰화, 어간 추출, 백오브워드(bag of words)를 비롯한 여러 가지 텍스트 데이터 분석 기법을 소개한다. 이러한 기법을 이용해 감성 분석, 주제 모델링을 수행하는 방법도 살펴본다.
11장. '순차 데이터에 대한 확률 추론'에서는 시계열 데이터와 순차 데이터를 은닉 마르코프와 조건부 랜덤 필드로 분석하는 기법을 소개한다. 이러한 기법을 순차적 데이터 분석과 주식 시장 예측에 응용하는 방법도 살펴본다.
12장. '음성 인식기 만들기'에서는 음성 데이터를 분석하는 데 사용되는 다양한 알고리즘을 소개하고, 이를 이용해 음성 인식 시스템을 만들어본다.
13장. '물체 감지와 추적'에서는 실시간 비디오에서 물체를 감지하고 추적하는 알고리즘을 소개한다. 광학 흐름, 얼굴 추적, 시선 추적과 같은 다양한 기법도 살펴본다.
14장, '인공 신경망'에서는 신경망을 구축하는 알고리즘을 소개한다. 그리고 신경망을 이용해 광학 문자 인식(OCR) 시스템을 구현하는 방법도 살펴본다.
15장. '강화 학습'에서는 강화 학습 시스템을 구축하는 기법을 소개한다. 주변 환경과 상호작용하면서 학습하는 에이전트를 만드는 방법도 살펴본다.
16장. 'CNN을 이용한 딥러닝'에서는 CNN을 이용해 딥러닝 시스템을 구축하는 알고리즘을 소개한다. 그리고 텐서플로(TensorFlow)로 신경망을 구축하는 방법도 살펴보고, 이를 이용해 CNN으로 이미지 분류기를 만들어본다.

★ 지은이의 말 ★

최근 우리 주변에서 데이터와 자동화 기술에 관련된 다양한 분야에서 인공지능을 적용하는 사례가 늘고 있다. 인공지능은 검색 엔진, 이미지 인식, 로보틱스, 금융을 비롯한 다양한 분야에서 널리 사용된다. 이 책에서는 현실에서 인공지능을 활용하는 다양한 사례와 이러한 인공지능 애플리케이션을 구현하는 데 필요한 여러 가지 알고리즘을 살펴보고 실제로 작동하는 코드도 작성해본다.
먼저 인공지능에 관련된 다양한 분야를 소개한다. 이어서 극단 랜덤 포레스트, 은닉 마르코프 모델, 유전 알고리즘, 인공 신경망, CNN을 비롯한 여러 가지 복잡한 알고리즘을 살펴본다. 이 책은 인공지능 알고리즘을 이용해 현실에 적용할 수 있는 애플리케이션을 작성하려는 파이썬 프로그래머를 위한 것이다. 파이썬을 처음 접하는 이들도 쉽게 이해할 수 있지만, 파이썬 프로그래밍에 대한 경험이 어느 정도 있다면 이 책을 통해 다양한 응용을 개발할 수 있다. 인공지능 기법을 구현하는 방법을 배우려는 숙련된 파이썬 프로그래머도 이 책을 통해 많은 도움을 받을 수 있다.
이 책은 주어진 문제에 가장 적합한 알고리즘을 선택하고 최상의 결과를 얻을 수 있도록 이러한 알고리즘을 구현하는 방법을 소개한다. 이미지와 텍스트를 비롯한 다양한 형태의 데이터를 인식할 수 있는 다재다능한 애플리케이션을 개발하려는 이들에게 이 책은 훌륭한 길잡이가 될 것이다.

★ 옮긴이의 말★

최근 딥러닝을 비롯한 AI 기술에 대한 인기는 놀라울 정도다. 주기적으로 유행처럼 찾아오는 기술과 달리 다양한 분야의 IT 개발자로 하여금 AI를 공부하게 만들 정도로 큰 영향을 미치고 있으며, 이미 컴퓨터 서적 순위의 상위권은 머신 러닝이 점령했다. 세계적인 IT 선두 업체 중에서 AI에 관심 없는 회사는 찾아보기 힘들다. 이러한 현상이 영원하지는 않겠지만 생각보다 길게 이어지고 있다. 결론적으로 AI의 전문가가 아닌 개발자라도 AI의 기초는 갖출 필요가 있다.
이 책은 한마디로 AI의 기초를 다지고 싶은 프로그래머를 위한 것이며, 그 장점으로는 크게 두 가지를 꼽을 수 있다. 첫 번째는 AI 관련 기술을 전반적으로 다루고 있다는 것이다. 목차를 보면 AI 교과서의 축소판과 같다. 최근 유행하는 특정한 세부 기술에 치우치지 않고, 지금까지 축적된 다양한 AI 기술을 고루 섭렵할 수 있다. 두 번째는 철저히 실습 위주라는 것이다. 모든 개념과 기법마다 파이썬 예제를 제공한다. 복잡한 이론과 수식에 너무 빠져들면 정작 핵심은 보지 못하거나 응용 기법을 놓치기 쉽다.
이 책은 이론은 최대한 쉽고 간략하고 직관적으로 표현하고, 파이썬 프로그램을 통해 개념을 직접 확인하는 방식으로 구성돼 있다. 당장 AI 기법을 활용해 응용프로그램을 작성하려는 개발자 입장에서 굉장히 효율적이다.
번역의 기준은 내용을 빠르게 이해시키고 정확히 전달하는 데 초점을 맞췄다. 원서의 내용과 의미를 최대한 보존하는 선에서 문체와 용어를 현실적으로 표현했다. 때로는 용어의 한글화보다는 원어의 음차 표기를 채택했다. 예제 코드는 직접 확인하면서 오류를 최대한 걸러내도록 노력했다. 완벽을 추구해 번역했지만, 본의 아니게 놓친 부분에 대해서는 미리 양해를 구한다. 실행 및 개선 사항이 있다면, 언제든지 연락 바란다.

프라틱조시
인공지능 분야의 연구원이다. 다섯 권의 책을 출판한 저자이자 테드x 연사며, 벤처 투자를 유치한 실리콘밸리 소재의 스타트업인 플루토(Pluto) AI의 창업자이기도 하다. 플루토 AI는 딥러닝 기반의 지능형 수자원 관리용 분석 플랫폼을 제공하는 회사다. AI와 관련해 여러 건의 특허를 가지고 있으며 유명 IEEE 학회에서 다양한 연구 논문과 기술 데모를 발표한 바 있다. TEDx, AT&T 파운드리, 실리콘밸리 딥러닝, 오픈 실리콘밸리를 비롯한 기술 및 창업 관련 행사에서 초청 강연을 한 바 있으며, 저명 기술 잡지의 객원 필자로도 활동하고 있다.

저자의 블로그(www.prateekjoshi.com)는 200여 개 나라의 6,600여명의 팔로워를 확보하고 있으며, 1,200만 건 이상의 페이지 뷰를 기록한 바 있다. 주로 인공지능, 파이썬 프로그래밍, 추상 수학에 관련된 글을 블로그에 올리고 있다. 열렬한 프로그래머로서 다양한 기술 분야에 대한 해커톤에서 여러 차례 우승했다. USC(남캘리포니아 대학)에서 인공지능으로 석사 학위를 취득했으며, 엔비디아, 마이크로소프트 리서치 등에서 근무한 바 있다. 저자의 개인 홈페이지(www.prateekj.com)를 방문하면 더욱 자세한 이력을 볼 수 있다.

감수 이용진
포스텍(Postech) 컴퓨터공학과에서 머신 러닝 전공으로 석사 과정을 마친 후, 2004년부터 한국전자통신연구원에서 근무 중이다. 2012년부터 워싱턴대학교(University of Washington)의 전기공학과(Dept. of Electrical Engineering)에서 박사 과정 학생으로 영상 인식과 머신 러닝을 공부했으며, 현재 휴학 중이다. 박사 학위 과정 중에 인공지능(Artificial Intelligence), 고급 선형 대수(Advanced Linear Algebra), 컨벡스 최적화(Convex Optimization) 과목의 수업 조교로 근무했다.
현재는 한국전자통신연구원에 복귀해 심층 신경망(Deep Neural Network)과 강화 학습(Reinforcement Learning) 관련 연구 프로젝트를 수행하고 있다.




옮긴이 남기혁
고려대 컴퓨터학과에서 학부와 석사 과정을 마친 후 한국전자통신연구원에서 선임 연구원으로 재직하고 있으며, 현재 (주)프리스티에서 네트워크 제어 및 검증 소프트웨어 관련 업무를 맡고 있다.

에이콘출판사에서 출간한 『GWT 구글 웹 툴킷』(2008), 『해킹 초보를 위한 USB 공격과 방어』(2011), 『자바 7의 새로운 기능』(2013), 『iOS 해킹과 보안 가이드』(2014), 『Neutron 오픈스택 네트워킹』(2015), 『실전 IoT 네트워크 프로그래밍』(2015), 『애플 워치 WatchKit 프로그래밍』(2015), 『현대 네트워크 기초 이론』(2016), 『도커 컨테이너』(2017) 등을 번역했다.

옮긴이 윤여찬
고려대학교 컴퓨터학과에서 학부와 석사 과정을 마치고 한국전자통신연구원에서 선임 연구원으로 재직하고 있다. 자연어 처리를 전공했으며 빅데이터 분석, 웹QA, 콘텐츠 분석 등의 연구를 진행했다.
현재 빅데이터 분석, 콘텐츠 분석 등의 연구를 진행 중이며 머신 러닝이나 인공지능 쪽에 관심을 두고 연구를 진행한다.