인공지능

CHAPTER 01 인공지능 소개01 인공지능의 시대02 인공지능의 정의03 튜링 테스트04 인공지능의 역사05 인공지능은 어디에 필요할까?06 파이썬 설치CHAPTER 02 탐색01 탐색02 상태 공간의 예03 탐색 트리04 기본적인 탐색 기법05 맹목적 탐색 #1: 깊이 우선 탐색(DFS)06 맹목적 탐색 #2: 너비 우선 탐색(BFS)07 DFS와 BFS 프로그램08 경험적 탐색 방법09 언덕 등반 기법(Hill-Climbing)10 최고 우선 탐색11 A* 알고리즘12 A* 알고리즘의 파이썬 구현CHAPTER 03 게임트리01 게임 프로그램02 미니맥스 알고리즘03 틱택토 게임 프로그래밍04 알파베타 가지치기05 불완전한 결정CHAPTER 04 전문가 시스템01 전문가 시스템02 전문가 시스템의 구성 요소03 지식과 인공지능04 규칙05 전문가 시스템에서의 추론06 충돌 해법07 전문가 시스템의 장점과 약점CHAPTER 05 지식 표현01 지식 표현(Knowledge Representation)02 규칙03 의미망04 프레임05 논리(Logic)06 명제 논리07 술어 논리08 술어 논리에서 추론09 프롤로그(Prolog)CHAPTER 06 퍼지 논리01 퍼지 논리란?02 크리스프 집합과 퍼지 집합03 퍼지 집합에서의 연산자04 퍼지 추론CHAPTER 07 불확실성01 불확실성02 확률을 이용한 불확실성 처리03 베이즈 정리와 추론04 확신도CHAPTER 08 유전자 알고리즘01 자연계에서의 진화02 유전자 알고리즘03 유전자 알고리즘의 예제04 유전자 알고리즘 프로그램05 유전자 알고리즘의 장단점06 유전자 프로그래밍CHAPTER 09 기계학습의 소개01 기계학습이란?02 기계학습의 종류03 기계학습의 용어들04 지도 학습05 비지도 학습06 강화 학습07 기계학습의 실용적인 가치08 넘파이(Numpy)CHAPTER 10 선형 회귀01 선형 회귀02 선형 회귀에서 손실 함수 최소화 방법03 선형 회귀 예제04 과잉 적합 vs 과소 적합CHAPTER 11 kNN 알고리즘과 K-means 알고리즘01 kNN 알고리즘02 kNN 알고리즘03 sklearn을 이용한 kNN 알고리즘 실습04 비지도 학습(K-means 클러스터링)05 sklearn을 이용한 K-means 츨러스터링06 k를 결정하는 방법CHAPTER 12 신경망 I(퍼셉트론)01 신경망02 퍼셉트론03 퍼셉트론 학습 알고리즘04 sklearn으로 퍼셉트론 실습하기05 퍼셉트론 프로그래밍06 선형 분류 기능 문제CHAPTER 13 신경망II(MLP)01 다층 퍼셉트론02 역전파 학습 알고리즘03 역전파 알고리즘의 유도04 구글의 플레이그라운드를 이용한 실습05 넘파이를 이용하여 MLP 구현06 구글의 텐서플로우CHAPTER 14 신경망 III(딥러닝)01 딥러닝02 그래디언트 소멸 문제03 손실 함수 문제04 가중치 초기화 문제05 미니 배치06 데이터 정규화07 데이터 인코딩 기법08 학습률과 모멘텀09 과잉 적합의 처리10 앙상블11 Keras를 이용한 MNIST 숫자 인식CHAPTER 15 신경망 IV(컨볼루션 신경망)01 영상 인식이란?02 전통적인 영상 인식 시스템의 구조03 영상 인식과 DNN04 컨볼루션 신경망(CNN)05 폴링 또는 서브 샘플링06 DNN을 이용한 영상 분류07 CNN을 이용한 영상 분류

출처: 국립중앙도서관 서지정보