전통 머신러닝부터 생성형 AI까지
체계적으로 배우는 머신러닝과 딥러닝

이 책은 머신러닝을 처음 배우는 학생을 대상으로 합니다. 전통 머신러닝부터 지도·비지도학습, 신경망, CNN, RNN, 트랜스포머, 생성형 AI까지 현대 인공지능의 핵심 주제를 체계적으로 다룹니다. 또한 각 장의 핵심 개념을 구현하는 [미니실습], 머신러닝 파이프라인을 따라 진행하는 [연계실습], 실제 데이터를 활용하는 [응용실습]을 수록했습니다. 먼저 직관으로 개념을 잡고 수식으로 정리한 뒤, 실습으로 직접 확인해보면 처음에 흐릿했던 개념들이 선명하게 정리될 것입니다.

※ 본 도서는 대학 강의용 교재로 개발되었으므로 연습문제 해답은 제공하지 않습니다.
 

PART 01 기본 : 머신러닝과 신경망의 이해
Chapter 01 머신러닝의 구조 이해
01 머신러닝의 이해
02 머신러닝 학습 유형
03 머신러닝 학습 파이프라인
마무리 / 연습문제

Chapter 02 전통 머신러닝 모델
01 선 기반 모델 I : 선형 회귀 및 로지스틱 회귀
02 선 기반 모델 II : 서포트 벡터 머신
03 트리 기반 모델
04 거리 기반 모델
마무리 / 연습문제

Chapter 03 비지도학습과 차원 축소
01 군집화
02 차원 축소
마무리 / 연습문제

Chapter 04 신경망에 대한 기본 이해
01 퍼셉트론의 개념과 작동 원리
02 퍼셉트론의 한계와 비선형 문제
03 비선형 문제 해결을 위한 신경망 확장
마무리 / 연습문제

Chapter 05 데이터 표현과 계산 방식
01 데이터 표현 방식
02 텐서와 선형대수 연산
03 데이터의 수치화
04 수치의 정규화
마무리 / 연습문제

Chapter 06 신경망 모델링의 원리
01 다층 퍼셉트론 구조
02 은닉층의 역할과 깊이의 의미
03 활성화 함수
마무리 / 연습문제

Chapter 07 목적 함수와 신경망 학습의 원리
01 목적 함수 개요
02 정답 데이터 표현
03 목적 함수의 정의와 계산
마무리 / 연습문제

Chapter 08 신경망 최적화와 일반화 기법
01 최적화 문제로서의 신경망 학습
02 경사 하강법을 통한 신경망 최적화
03 순전파와 역전파
04 경사 하강법의 다양한 형태
05 개선된 경사 하강법 기법들
06 가중치 초기화 기법
07 과적합과 일반화 기법
08 학습 장애 요인과 구조적 해결 전략
마무리 / 연습문제

Chapter 09 모델 학습 실험과 성능 평가
01 데이터 분할 전략과 학습 루프
02 과제 유형별 성능 평가 지표
03 하이퍼파라미터 설정과 자동 튜닝
04 실험 재현성과 관리
마무리 / 연습문제

Chapter 10 입력 데이터별 핵심 신경망
01 입력 형태에 따른 신경망 구조
02 합성곱 신경망
03 순환 신경망
04 오토인코더
마무리 / 연습문제

Chapter 11 어텐션과 트랜스포머
01 어텐션
02 트랜스포머
마무리 / 연습문제

PART 02 응용 : 도메인별 응용 사례
Chapter 12 자연어처리 기초
01 자연어 데이터의 특수성
02 머신러닝 기반 자연어처리 개요
03 토큰화
04 언어모델링
05 응용 과제 구현
마무리 / 연습문제

Chapter 13 거대 언어모델과 자연어 생성
01 거대 언어모델의 등장
02 자연어 생성의 원리
03 프롬프팅과 문맥 내 학습
04 정렬과 미세조정
마무리 / 연습문제

Chapter 14 이미지처리와 인식
01 CNN 아키텍처의 진화
02 전이학습 전략
03 비전 트랜스포머
04 이미지 이해 과제 개요
마무리 / 연습문제

Chapter 15 이미지 생성
01 이미지 생성의 개념과 도전 과제
02 VAE와 GAN
03 확산 모델
04 생성 기법 비교 및 응용
마무리 / 연습문제

Chapter 16 음성 이해와 인식
01 음성 데이터의 이해
02 스펙트로그램
03 음성인식의 핵심 도전 과제
04 실전 음성처리
마무리 / 연습문제

Chapter 17 음성 및 오디오 생성
01 음성 생성의 개념
02 현대 TTS의 핵심 기술
03 음악 및 오디오 생성
마무리 / 연습문제

Chapter 18 시계열 분석과 예측
01 시계열 데이터의 이해
02 시계열 예측
03 시계열 이상 탐지
마무리 / 연습문제

Chapter 19 강화학습 기초
01 해 공간 탐색과 머신러닝
02 강화학습 문제 정의
03 마르코프 결정 과정
04 정책과 가치 함수
05 벨만 방정식
06 탐험과 활용
마무리 / 연습문제

Chapter 20 딥러닝 기반 강화학습
01 테이블에서 신경망으로
02 심층 Q-신경망
03 DQN의 한계와 확장
마무리 / 연습문제