"AI, 이제 당신의 앱 안에서 직접 생각하고 움직인다!"
코틀린으로 완성하는 온디바이스 AI 자연어 처리(NLP) 실전 프로젝트
스마트폰 키보드의 다음 단어 예측, 인터넷 없이도 작동하는 실시간 번역기. 이 모든 마법의 중심에는 온디바이스 AI가 있습니다. 이제 AI는 더 이상 먼 클라우드 서버의 이야기가 아닙니다. 바로 우리 손안의 스마트폰에서 직접 작동하는 시대가 열렸습니다.

우리에게 가장 친숙한 언어인 코틀린(Kotlin)과 온디바이스 AI의 표준 도구인 텐서플로 라이트(TensorFlow Lite)를 사용하여, 실제 작동하는 두 가지 멋진 AI 앱을 처음부터 끝까지 직접 만들어 봅니다.
두 개의 실전 프로젝트로 배우는 온디바이스 NLP의 모든 것!
AI 텍스트 감성 분석기 (자연어 이해: NLU)
사용자가 입력한 문장의 긍정/부정을 실시간으로 분석하는 앱을 만들며, AI가 텍스트를 '이해'하는 핵심 원리와 전처리 파이프라인 구축법을 마스터합니다.
AI 스마트 답장 기능 (자연어 생성: NLG)
대화의 문맥을 파악하여 적절한 답변을 AI가 직접 '생성'하고 추천하는 기능을 구현합니다. 한 단계 더 나아가, 동적으로 UI를 제어하고 비동기 작업을 관리하는 고급 기법을 익힙니다.

이 책을 통해 얻게 될 것들:
AI 모델을 안드로이드 앱에 통합하는 전체 프로세스에 대한 명확한 이해
코틀린으로 NLP 전처리 파이프라인을 직접 구현하는 실무 능력
코루틴을 활용한 안정적인 비동기 AI 추론 처리 방법
하드웨어 가속(GPU/NNAPI), 모델 양자화 등 전문가 수준의 성능 최적화 기법
단순한 앱 개발자를 넘어, 'AI 앱 개발자'로 성장할 수 있는 강력한 무기

코틀린으로 완성하는 온디바이스 AI 자연어 처리(NLP)
: 텍스트 이해부터 생성까지, 실전 AI 앱 개발 프로젝트

시작하며: 내 손안의 AI, 모바일 NLP의 미래
PART 1. 온디바이스 NLP 첫걸음
Chapter 1. 모바일 AI의 새로운 시대
1.1 온디바이스 AI란 무엇이며 왜 중요한가? (장점과 한계 포함)
1.2 자연어 처리(NLP)의 핵심 개념과 응용 분야
1.3 이 책에서 완성할 두 가지 실전 AI 프로젝트 소개
Chapter 2. 개발 환경과 핵심 도구
2.1 코틀린과 안드로이드 스튜디오: 우리의 작업 공간
2.2 텐서플로 라이트(TensorFlow Lite): 온디바이스 AI의 심장
2.3 온디바이스 NLP 모델 선택 가이드 (크기, 속도, 정확도)
2.4 텐서플로 허브(TensorFlow Hub)에서 모델 탐색 및 다운로드
2.5 실습을 위한 프로젝트 설정 및 GitHub 연동

PART 2. AI를 위한 텍스트 전처리
Chapter 3. 컴퓨터는 어떻게 언어를 배울까?
3.1 토큰화(Tokenization): 인간의 언어를 AI의 언어로
3.2 워드 임베딩(Word Embedding): 단어에 좌표를 부여하는 기술
3.3 AI 모델의 입력과 출력: 텐서(Tensor)의 이해
Chapter 4. 코틀린으로 구현하는 NLP 전처리 파이프라인
4.1 어휘집(Vocabulary) 파일을 로드하여 토크나이저 만들기
4.2 패딩(Padding)과 트렁케이션(Truncation): 문장 길이를 맞추는 기술
4.3 사용자 입력을 모델이 이해하는 숫자 데이터로 변환하기
4.4 [심화] ByteBuffer의 구조와 원리: 모델 입력을 위한 최종 관문

PART 3. 첫 번째 프로젝트: AI 텍스트 감성 분석기 (텍스트 이해)
Chapter 5. 프로젝트 설계 및 UI 구현
5.1 감성 분석기 앱 아키텍처 구상
5.2 XML과 뷰 바인딩으로 사용자 인터페이스 만들기
Chapter 6. 감성 분석 모델 연동 및 추론
6.1 텍스트 분류 모델 로드 및 Interpreter 초기화
6.2 코루틴(Coroutines)으로 안전하게 AI 모델 실행하기
6.3 모델의 예측 결과를 '긍정/부정' 확률로 해석하고 UI에 표시하기
6.4 예외 처리와 비동기 로딩: 안정적인 AI 앱 만들기

PART 4. 두 번째 프로젝트: AI 스마트 답장 기능 (텍스트 생성)
Chapter 7. 스마트 답장 기능의 원리와 설계
7.1 텍스트 생성이란? (feat. Language Model)
7.2 대화 문맥을 이해하는 AI 모델(예: MobileBERT) 살펴보기
7.3 스마트 답장 UI/UX 디자인: 추천 답변을 어떻게 보여줄까?
Chapter 8. 대화 생성 모델 연동 및 구현
8.1 대화형 모델 로드 및 입/출력 구조 분석
8.2 입력 메시지에 대한 추천 답변 생성 요청 및 추론
8.3 생성된 답변 후보들을 후처리하고, 선택 가능한 칩(Chip) 형태로 UI에 동적 추가
8.4 실시간 응답을 위한 UI/백그라운드 스레드 관리

PART 5. 전문가로 가는 길: 최적화와 확장
Chapter 9. AI 앱 성능 최적화
9.1 하드웨어 가속(GPU/NNAPI Delegate)으로 추론 속도 극대화
9.2 모델 양자화(Quantization)로 앱 용량 줄이기
9.3 Android Profiler를 활용한 성능 병목 지점 분석
9.4 모델 버전 관리 및 앱 내 업데이트 전략
Chapter 10. 온디바이스 NLP의 무한한 가능성
10.1 다음 프로젝트 아이디어: 텍스트 요약, 챗봇, 번역기
10.2 나만의 데이터로 모델을 학습시키는 방법 (전이 학습 개념)
10.3 AI 윤리: 책임감 있는 AI 앱 개발자가 되기 위하여
10.4 끊임없이 발전하는 온디바이스 AI 생태계와 개발자의 커리어
마치며: 당신의 첫 AI 프로젝트를 넘어
부록
A. AI 초보 개발자를 위한 핵심 용어 사전
B. AI 앱 개발을 위한 코틀린 핵심 정리