인공지능

Chapter 01 인공지능 소개 01 인공지능의 시대 인공지능의 충격 우리 생활에 스며든 인공지능 인공지능과 인간 02 인공지능의 정의 지능형 에이전트 인공지능 vs 머신러닝 vs 딥러닝 03 튜링 테스트 ELIZA 중국어 방(The Chinese Room) 2014년 유진 구스트만 튜링 테스트의 문제점 04 인공지능의 역사 인공지능의 태동(1943-1956) 황금기(1956-1974) 첫 번째 인공지능의 겨울(1974-1980) 전성 시대(1980-1987) 두 번째 인공지능의 겨울(1987-1993) 인공지능의 부활(1993-2011) 딥러닝, 빅데이터 및 인공지능(2011-현재) 05 인공지능은 어디에 필요할까? 자율주행 자동차 동영상 추천 시스템 광고 시스템 챗봇(Chatbot) 의료 분야 예술 창작 신약 개발과 생물학 분야 초거대 AI Mini Project 구글의 딥드림 사용해 보기 Mini Project ChatGPT 체험하기 Summary 연습문제 Chapter 02 탐색 01 탐색 02 상태 공간 탐색 문제 상태 공간 탐색 문제 LAB 경로 찾기 문제 LAB N-queen 문제 03 탐색 트리 LAB 4-queen 문제 탐색 트리 04 기본적인 탐색 기법 탐색 성능 측정 05 깊이 우선 탐색 깊이 우선 탐색의 분석 06 너비 우선 탐색 너비 우선 탐색의 분석 07 깊이 제한 탐색 IDDFS의 장점과 단점 08 FS와 DFS 8-퍼즐 프로그램 보드를 어떻게 표현할 것인가? open과 closed 큐는 무엇으로 구현할 것인가? 자식 노드들은 어떻게 생성할 것인가? BFS 전체 소스코드 DFS 프로그램 09 경험적 탐색 방법 10 언덕 등반 기법 알고리즘 지역 최대 문제 11 최고 우선 탐색 12 A* 알고리즘 LAB A* 알고리즘 시뮬레이션 13 A* 알고리즘의 파이썬 구현 LAB N-queen 문제의 탐색 알고리즘 Mini Project TSP Summary 연습문제 Chapter 03 게임 트리 01 게임 프로그램 게임 정의 Tic-Tac-Toe에 대한 게임 트리 02 미니맥스 알고리즘 Tic-Tac-Toe 게임에 미니맥스 알고리즘 적용 LAB 미니맥스 알고리즘 실습 미니맥스 알고리즘의 의사코드 미니맥스 성능 분석 03 Tic-Tac-Toe 게임 프로그래밍 04 알파베타 가지치기 알파베타 알고리즘 알파베타 알고리즘 실습 05 불완전한 결정 Summary 연습문제 Chapter 04 전문가 시스템 01 전문가 시스템 전문가 시스템의 역사 02 전문가 시스템의 구성 요소 지식베이스 추론 엔진 사용자 인터페이스 03 지식과 인공지능 데이터, 정보, 지식 04 규칙 규칙에 AND나 OR를 사용할 수 있다 05 전문가 시스템에서의 추론 순방향 추론 역방향 추론 LAB 추론 실습 LAB 화재 처리 시스템 06 충돌 해법 07 전문가 시스템의 장점과 단점 Summary 연습문제 Chapter 05 지식 표현 01 지식 표현(Knowledge Representation) 02 규칙 03 의미망 04 프레임 프레임의 장점 프레임과 객체 지향 프로그래밍 프레임과 상속 시맨틱 웹과 프레임 05 논리(Logic) 06 명제 논리 명제 논리에서의 추론 모더스 포넌스(Modus Ponens) 부정 논법(Modus Tollens) 삼단논법(Syllogism) 07 술어 논리 08 술어 논리에서 추론 정형식 논리융합(Resolution) 논리융합에 의한 증명 09 시맨틱 웹과 온톨로지 소개 기존 웹의 문제점 시맨틱 웹 시맨틱 웹의 예 시맨틱 웹의 요소 기술 온톨로지 10 프롤로그(Prolog) LAB 논리융합 실습 #1 LAB 논리융합 실습 #2 LAB 논리융합 실습 #3 Summary 연습문제 Chapter 06 퍼지 논리 01 퍼지 논리란? 퍼지 논리를 사용할 수 있는 분야 02 크리스프 집합과 퍼지 집합 크리스프 집합 퍼지 집합 퍼지 집합의 표기 방법 LAB 퍼지 집합의 예 03 퍼지 집합에서의 연산자 집중화 연산자 CON과 DIL LAB 퍼지 집합 연산자 04 퍼지 추론 퍼지 규칙 퍼지 추론의 기본 퍼지 추론의 과정 규칙이 여러 개 있는 경우 LAB 팁을 주는 문제 Summary 연습문제 Chapter 07 불확실성 01 불확실성 불확실성의 예 불확실성은 왜 발생하는 것인가 인공지능 시스템에서의 불확실성 처리 02 확률을 이용한 불확실성 처리 사전 확률과 사후 확률 베이즈 정리 LAB 내가 Z-바이러스에 감염되었을까? LAB 과일 문제 LAB 카드 게임 03 베이즈 정리와 추론 증거와 가설이 여러 개일 때 베이즈 정리의 단점 LAB 베이즈 정리로 규칙의 확률 계산 LAB 스팸 필터링 LAB 몬티 홀 문제 04 확신도 확신도의 정의 불확실한 증거를 가진 규칙에서의 확신도 규칙이 여러 개의 전제를 가지는 경우 LAB 확신도 실습 Summary 연습문제 Chapter 08 유전자 알고리즘 01 자연계에서의 진화 02 유전자 알고리즘 염색체, 인코딩, 평가 함수 유전자 알고리즘의 의사코드 선택 연산자 교차 연산자 돌연변이 연산자 유전자 알고리즘 03 유전자 알고리즘의 예제 04 유전자 알고리즘 프로그램 LAB 8-queen 문제 LAB TSP 문제 05 유전자 알고리즘의 장단점 06 유전자 프로그래밍 어떻게 프로그램을 표현할 것인가? 기본 연산들 GP 알고리즘 Summary 연습문제 Chapter 09 머신러닝 소개 01 머신러닝이란? 머신러닝과 전통적인 프로그래밍과의 차이점 인공지능, 머신러닝, 딥러닝 머신러닝의 역사 머신러닝의 종류 02 머신러닝의 용어들 특징(Feature) 함수 근사와 머신러닝 레이블(Label) 샘플 학습과 예측 학습 데이터와 테스트 데이터 03 지도 학습 회귀(Regression) 분류(Classification) Mini Project 티처블 머신 이용하여 머신러닝 체험하기 04 비지도 학습 05 강화 학습 06 머신러닝의 과정 데이터 수집 학습 데이터와 테스트 데이터 모델 선택 학습 평가 예측 07 머신러닝 알고리즘의 성능 평가 정확도 혼동 행렬 Mini Project 머신러닝 체험하기 08 머신러닝의 용도 머신러닝은 어디에 이용되는가? 프로그래머로서 머신러닝의 실용적인 가치 Summary 연습문제 Chapter 10 선형회귀 01 선형 회귀 선형 회귀 소개 선형 회귀의 종류 선형 회귀의 원리 학습과 손실 02 선형 회귀에서 손실 함수 최소화 방법 분석적인 방법 경사하강법(Gradient Descent Method) 선형 회귀에서 경사하강법 03 선형 회귀 파이썬 구현 #1 04 선형 회귀 파이썬 구현 #2 선형 회귀를 그래프로 그려보자 LAB 선형 회귀 실습 05 과잉 적합 vs 과소 적합 LAB 당뇨병 예제 LAB 면적에 따른 집값 예측 Summary 연습문제 Chapter 11 kNN, K-means, 결정 트리 01 kNN 알고리즘 kNN 알고리즘 정리 수정된 kNN 알고리즘 kNN 알고리즘의 장점과 단점 02 예제: kNN을 이용한 붓꽃 분류 특징과 레이블 그래프 그리기 kNN 학습하기 예측해보자 03 예제: kNN으로 필기체 이미지 분류 데이터 세트 읽어들이기 학습 데이터와 테스트 데이터 모델 학…

출처: 국립중앙도서관 서지정보