상세정보

d

d

dd
dd

인공지능을 위한 수학

꼭 필요한 것만 골라 배우는 인공지능 맞춤 수학

지은이 |   이시카와 아키히코
옮긴이 |   이진희, 신상재
발행일 |   2018-11-22
페이지 |   336가격 |   25,000원
ISBN |   978-89-6540-228-2
분야 |   인공지능, 수학, 딥러닝, 머신러닝
dddddd

인공지능을 위한 수학

꼭 필요한 것만 골라 배우는 인공지능 맞춤 수학

지은이 |   이시카와 아키히코
옮긴이 |   이진희, 신상재
발행일 |   2018-11-22
페이지 |   336
가격 |   25,000원
ISBN |   978-89-6540-228-2
분야 |   인공지능, 수학, 딥러닝, 머신러닝
ddd
ddd
머신러닝·딥러닝의 출발점, 수학의 기초부터 튼튼하게!
이 책은 처음부터 끝까지 인공지능(머신러닝, 딥러닝)에 사용하는 수학적 개념을 재조명하는 데 집중하고 있습니다. 먼저, 기본편에서는 인공지능을 이해하는 데 필요한 최소한의 수학 개념을 고교, 대학 수학 과정의 수준으로 설명합니다. 이어서 응용편에서는 앞서 배운 개념들이 실제로 인공지능을 개발할 때 어떻게 쓰이는지, 잘 알려진 알고리즘을 이용하여 쉽게 다가갈 수 있게 설명합니다.


- 출판사 리뷰 -
꼭 필요한 것만 골라 배우는 인공지능 맞춤 수학
인공지능 프로그래밍에 모든 수학이 사용되는 것은 아닙니다. 이 책은 실제로 인공지능에 쓰이는 꼭 필요한 수학만 기초부터 탄탄하게 다루고 있습니다. 이어서 대표적인 인공지능 알고리즘에 수학이 어떻게 활용되는지 하나하나 살펴봅니다. 인공지능에 관심이 있는 분이라면 누구나 이 책을 출발점으로 삼아 그동안 어렵다고 느꼈던 머신러닝, 딥러닝의 원리와 수식을 다시 바라보고 만끽할 수 있을 것입니다.


이 책의 목표
● 인공지능 관련서에 나오는 복잡한 수식에 대한 거부감을 줄인다.
● 인공지능 관련서를 읽을 때 필요한 수학적인 맷집과 기초 체력을 키운다.
● 주요 인공지능 알고리즘과 수식의 의미를 이해할 수 있다.


이런 분들께 추천합니다!
● 인공지능 전문 서적을 볼 때, 수많은 수식에 현기증을 느끼는 분
● 인공지능 알고리즘을 체계적으로 배우고 싶지만, 어떤 수학책부터 봐야 할지 막막한 분
● 인공지능 알고리즘으로 모델을 만들고는 있지만, 블랙박스처럼 사용하고 있어서 이 기회에 수학을 제대로 다시 배워보고 싶은 분


응용편 실습을 위한 소스 코드
이 책에서 코드를 다루지는 않지만, 응용편(5, 6, 7장) 내용은 소스 코드를 내려받아 직접 실습해 보면서 확인할 수 있습니다. 일본어 원서 기준으로 만들어진 소스 코드와 학습 데이터를 이 책의 역자인 현업 AI/ML 개발자가 번역서 기준으로 다시 재구성하였습니다. 지면 관계상 실습 환경을 구성하기 위한 PC 설정 방법 등은 이 책에서 다루고 있지 않습니다. 다만, 다음의 번역서 기준 소스 코드 저장소에 간단한 환경 구성 방법을 안내해 두었으니 참고하기 바랍니다.
https://github.com/freelec/ai-math-book.git


- 베타리더 후기 -
이 책은 머신러닝을 배우는 데 필수적인 수학 전반에 대해서 소개하고 있습니다. 수포자분들도 충분히 볼 수 있는 책으로 수학 때문에 머신러닝을 망설이는 개발자분께 추천합니다.
- 익명의 수학도 M


'어떻게 인공지능을 시작하면 좋을까?', 아니면 '이미 시작했지만 내가 아는 것이 없는데....'라는 생각이 드는 사람들에게 효과적일 것 같습니다.
- 도경태(Keen Dev), 네이버 클로바 갓 입사


수학과 컴퓨터 과학 분야 사이의 적절한 가교 역할을 해주는 책입니다. 수학의 기초를 과외 선생님처럼 차근차근 설명해주고, 적절한 예제를 제시하여 이해를 돕고 있습니다. 다음 장으로 차근차근 전진하다 보면, 어느새 딥러닝 활용 부분에 앞에서 배운 수학 내용을 써먹고 있는 본인을 발견할 수 있을 것입니다.
- 박수석, 컬리 운영플랫폼팀 개발자


실제 프로그래밍으로 구현하는 과정에서 기본 원리인 수학을 ‘알고 보는 것과 모르고 보는 것의 차이’를 느끼게 해주는 책입니다. 이 책은 인공지능 기술의 원리를 이해하는 즐거움을 선사합니다.
- 박원주(Brian Park), HOSTWAY IDC 클라우드 인프라 마케터


책 중간중간에 있는 연습문제들과 활용사례들은 수학의 이해를 돕고 수학의 활용에 대한 궁금증들을 해소해 줍니다.
- 남궁선(Seon Namkung), 한양대학교 ERICA 컴퓨터공학과 학생
머리말
옮긴이의 글
베타리더 후기
이 책을 읽는 방법


기본편 | 인공지능 프로그래밍에 쓰이는 수학
CHAPTER 01 기초 수학
1-1 변수와 상수
1-2 1차식과 2차식
1-3 함수의 개념
1-4 제곱근
1-5 거듭제곱과 거듭제곱근
1-6 지수함수와 로그함수
1-7 자연로그
1-8 시그모이드 함수
1-9 삼각함수
1-10 절댓값과 유클리드 거리
1-11 수열
1-12 집합과 원소


CHAPTER 02 미분
2-1 극한
2-2 미분의 기초
2-3 상미분과 편미분
2-4 그래프 그리기
2-5 함수의 최댓값과 최솟값
2-6 초등함수와 합성함수의 미분, 그리고 곱의 법칙
2-7 특수 함수의 미분


CHAPTER 03 선형대수
3-1 벡터
3-2 덧셈과 뺄셈, 그리고 스칼라배
3-3 유향선분
3-4 내적
3-5 직교 조건
3-6 법선벡터
3-7 벡터의 노름
3-8 코사인 유사도
3-9 행렬의 덧셈과 뺄셈
3-10 행렬의 곱셈
3-11 역행렬
3-12 선형 변환
3-13 고윳값과 고유벡터


CHAPTER 04 확률과 통계
4-1 확률
4-2 확률변수와 확률분포
4-3 결합확률과 조건부확률
4-4 기댓값
4-5 평균과 분산, 그리고 공분산
4-6 상관계수
4-7 최대가능도추정


응용편 | 인공지능 알고리즘에 응용하는 수학
CHAPTER 05 선형회귀
5-1 회귀 모델로 주택 가격 추정하기
5-2 데이터 세트 ‘Boston Housing Dataset’
5-3 선형회귀 모델
5-4 최소제곱법으로 파라미터 도출하기
5-5 정규화로 과학습 줄이기
5-6 완성된 모델 평가하기


CHAPTER 06 자연어 처리
6-1 자연어 처리로 문서의 카테고리 알아맞히기
6-2 카테고리별 데이터 세트
6-3 자연어 처리의 작동 원리
6-4 문장에서 품사 분석하기
6-5 단어 필터링하기
6-6 문서를 단어 벡터로 변환하기
6-7 단어 벡터에 가중치 주기
6-8 문서 분류하기
6-9 완성된 모델 평가하기


CHAPTER 07 이미지 인식
7-1 딥러닝으로 손글씨 인식하기
7-2 데이터 세트 ‘MNIST’
7-3 신경망이란? - 기초
7-4 신경망이란? - 심화
7-5 심층 신경망이란?
7-6 순전파
7-7 손실 함수
7-8 경사하강법 사용하기
7-9 오차역전파법 사용하기
7-10 완성된 모델 평가하기


맺음말
참고자료
색인
- 저자 소개 -
이시카와 아키히코(石川聰彦)
주식회사 Aidemy 대표이사. 1992년 태생으로, 동경대학공학부를 졸업하였다. 데이터 분석과 관련된 연구와 실무 경험을 살려 2017년 인공지능 엔지니어를 위한 온라인 교육 서비스 ‘Aidemy’를 론칭하였다. Aidemy는 인공지능을 다루는 데 꼭 필요한 기술을 알려주는 서비스로, 회원 수 2만 명 이상에 100만 회를 넘는 학습 기록을 세우고 있다. 지금은 와세다대학 선진이공학 박사 과정에서 AI 프로그래밍 실습 과정을 지도하고 있다.


- 역자 소개 -
신상재
삼성 SDS ACT(Agile Core Team)의 AI/ML 파트인 Rosamia에서 COE(Chief Oldest Employee, 최고 연장자)를 맡고 있다.
일찍이 수포자였던 탓에 팀원들이 하는 일을 어깨너머로 보며 꿔다놓은 보릿자루 행세를 하다가, 우연히 이 책을 번역할 기회를 얻어 AI/ML을 위한 수학을 다시 배웠다. 수학에 대한 깨달음을 얻은 후로는 주변 수포자들에게 수학에 관한 복음을 전하고 있다.
주요 번역서로는 ≪스프링 철저 입문≫(위키북스, 2018), ≪1억배 빠른 양자 컴퓨터가 온다≫(로드북, 2018), ≪그림으로 배우는 클라우드 인프라와 API의 구조≫(로드북, 2017), ≪TCP/IP 쉽게, 더 쉽게≫(제이펍, 2016), ≪네트워크 엔지니어의 교과서≫(로드북, 2016), ≪Xcode로 배우는 코코아 프로그래밍≫(한빛미디어, 2010), ≪Objective-C: 맥과 아이폰 애플리케이션 프로그래밍≫(한빛미디어, 2009) 등이 있다.


이진희
삼성 SDS ACT(Agile Core Team)의 AI/ML 파트인 Rosamia에서 영한, 일한 번역 시스템을 맡고 있으며, 최근 총괄 PM이 되었다.
다년간 일본 공공 프로젝트를 수행하며 쌓은 경험으로 일본어 콘텐츠의 수집, 분석 능력이 탁월하고, 한일 언어 간의 미묘한 차이나 특징 등을 몸으로 익혀 알고 있다. 새로 도입한 고가의 GPU 장비들이 행여 휴일 동안에 놀지 않도록, 금요일 오후가 되면 학습 데이터 준비와 파라미터 튜닝으로 온몸을 불사른다.
이 책의 실습 부분을 한국 데이터에 맞게 새롭게 재구성하였으며 단지 예제에 불과한 모델에서조차도 더 나은 결과를 내기 위해 튜닝을 고민하는 명실상부 실전형 AI/ML 전문가이다.

머신러닝·딥러닝의 출발점, 수학의 기초부터 튼튼하게!
이 책은 처음부터 끝까지 인공지능(머신러닝, 딥러닝)에 사용하는 수학적 개념을 재조명하는 데 집중하고 있습니다. 먼저, 기본편에서는 인공지능을 이해하는 데 필요한 최소한의 수학 개념을 고교, 대학 수학 과정의 수준으로 설명합니다. 이어서 응용편에서는 앞서 배운 개념들이 실제로 인공지능을 개발할 때 어떻게 쓰이는지, 잘 알려진 알고리즘을 이용하여 쉽게 다가갈 수 있게 설명합니다.


- 출판사 리뷰 -
꼭 필요한 것만 골라 배우는 인공지능 맞춤 수학
인공지능 프로그래밍에 모든 수학이 사용되는 것은 아닙니다. 이 책은 실제로 인공지능에 쓰이는 꼭 필요한 수학만 기초부터 탄탄하게 다루고 있습니다. 이어서 대표적인 인공지능 알고리즘에 수학이 어떻게 활용되는지 하나하나 살펴봅니다. 인공지능에 관심이 있는 분이라면 누구나 이 책을 출발점으로 삼아 그동안 어렵다고 느꼈던 머신러닝, 딥러닝의 원리와 수식을 다시 바라보고 만끽할 수 있을 것입니다.


이 책의 목표
● 인공지능 관련서에 나오는 복잡한 수식에 대한 거부감을 줄인다.
● 인공지능 관련서를 읽을 때 필요한 수학적인 맷집과 기초 체력을 키운다.
● 주요 인공지능 알고리즘과 수식의 의미를 이해할 수 있다.


이런 분들께 추천합니다!
● 인공지능 전문 서적을 볼 때, 수많은 수식에 현기증을 느끼는 분
● 인공지능 알고리즘을 체계적으로 배우고 싶지만, 어떤 수학책부터 봐야 할지 막막한 분
● 인공지능 알고리즘으로 모델을 만들고는 있지만, 블랙박스처럼 사용하고 있어서 이 기회에 수학을 제대로 다시 배워보고 싶은 분


응용편 실습을 위한 소스 코드
이 책에서 코드를 다루지는 않지만, 응용편(5, 6, 7장) 내용은 소스 코드를 내려받아 직접 실습해 보면서 확인할 수 있습니다. 일본어 원서 기준으로 만들어진 소스 코드와 학습 데이터를 이 책의 역자인 현업 AI/ML 개발자가 번역서 기준으로 다시 재구성하였습니다. 지면 관계상 실습 환경을 구성하기 위한 PC 설정 방법 등은 이 책에서 다루고 있지 않습니다. 다만, 다음의 번역서 기준 소스 코드 저장소에 간단한 환경 구성 방법을 안내해 두었으니 참고하기 바랍니다.
https://github.com/freelec/ai-math-book.git


- 베타리더 후기 -
이 책은 머신러닝을 배우는 데 필수적인 수학 전반에 대해서 소개하고 있습니다. 수포자분들도 충분히 볼 수 있는 책으로 수학 때문에 머신러닝을 망설이는 개발자분께 추천합니다.
- 익명의 수학도 M


'어떻게 인공지능을 시작하면 좋을까?', 아니면 '이미 시작했지만 내가 아는 것이 없는데....'라는 생각이 드는 사람들에게 효과적일 것 같습니다.
- 도경태(Keen Dev), 네이버 클로바 갓 입사


수학과 컴퓨터 과학 분야 사이의 적절한 가교 역할을 해주는 책입니다. 수학의 기초를 과외 선생님처럼 차근차근 설명해주고, 적절한 예제를 제시하여 이해를 돕고 있습니다. 다음 장으로 차근차근 전진하다 보면, 어느새 딥러닝 활용 부분에 앞에서 배운 수학 내용을 써먹고 있는 본인을 발견할 수 있을 것입니다.
- 박수석, 컬리 운영플랫폼팀 개발자


실제 프로그래밍으로 구현하는 과정에서 기본 원리인 수학을 ‘알고 보는 것과 모르고 보는 것의 차이’를 느끼게 해주는 책입니다. 이 책은 인공지능 기술의 원리를 이해하는 즐거움을 선사합니다.
- 박원주(Brian Park), HOSTWAY IDC 클라우드 인프라 마케터


책 중간중간에 있는 연습문제들과 활용사례들은 수학의 이해를 돕고 수학의 활용에 대한 궁금증들을 해소해 줍니다.
- 남궁선(Seon Namkung), 한양대학교 ERICA 컴퓨터공학과 학생
머리말
옮긴이의 글
베타리더 후기
이 책을 읽는 방법


기본편 | 인공지능 프로그래밍에 쓰이는 수학
CHAPTER 01 기초 수학
1-1 변수와 상수
1-2 1차식과 2차식
1-3 함수의 개념
1-4 제곱근
1-5 거듭제곱과 거듭제곱근
1-6 지수함수와 로그함수
1-7 자연로그
1-8 시그모이드 함수
1-9 삼각함수
1-10 절댓값과 유클리드 거리
1-11 수열
1-12 집합과 원소


CHAPTER 02 미분
2-1 극한
2-2 미분의 기초
2-3 상미분과 편미분
2-4 그래프 그리기
2-5 함수의 최댓값과 최솟값
2-6 초등함수와 합성함수의 미분, 그리고 곱의 법칙
2-7 특수 함수의 미분


CHAPTER 03 선형대수
3-1 벡터
3-2 덧셈과 뺄셈, 그리고 스칼라배
3-3 유향선분
3-4 내적
3-5 직교 조건
3-6 법선벡터
3-7 벡터의 노름
3-8 코사인 유사도
3-9 행렬의 덧셈과 뺄셈
3-10 행렬의 곱셈
3-11 역행렬
3-12 선형 변환
3-13 고윳값과 고유벡터


CHAPTER 04 확률과 통계
4-1 확률
4-2 확률변수와 확률분포
4-3 결합확률과 조건부확률
4-4 기댓값
4-5 평균과 분산, 그리고 공분산
4-6 상관계수
4-7 최대가능도추정


응용편 | 인공지능 알고리즘에 응용하는 수학
CHAPTER 05 선형회귀
5-1 회귀 모델로 주택 가격 추정하기
5-2 데이터 세트 ‘Boston Housing Dataset’
5-3 선형회귀 모델
5-4 최소제곱법으로 파라미터 도출하기
5-5 정규화로 과학습 줄이기
5-6 완성된 모델 평가하기


CHAPTER 06 자연어 처리
6-1 자연어 처리로 문서의 카테고리 알아맞히기
6-2 카테고리별 데이터 세트
6-3 자연어 처리의 작동 원리
6-4 문장에서 품사 분석하기
6-5 단어 필터링하기
6-6 문서를 단어 벡터로 변환하기
6-7 단어 벡터에 가중치 주기
6-8 문서 분류하기
6-9 완성된 모델 평가하기


CHAPTER 07 이미지 인식
7-1 딥러닝으로 손글씨 인식하기
7-2 데이터 세트 ‘MNIST’
7-3 신경망이란? - 기초
7-4 신경망이란? - 심화
7-5 심층 신경망이란?
7-6 순전파
7-7 손실 함수
7-8 경사하강법 사용하기
7-9 오차역전파법 사용하기
7-10 완성된 모델 평가하기


맺음말
참고자료
색인
- 저자 소개 -
이시카와 아키히코(石川聰彦)
주식회사 Aidemy 대표이사. 1992년 태생으로, 동경대학공학부를 졸업하였다. 데이터 분석과 관련된 연구와 실무 경험을 살려 2017년 인공지능 엔지니어를 위한 온라인 교육 서비스 ‘Aidemy’를 론칭하였다. Aidemy는 인공지능을 다루는 데 꼭 필요한 기술을 알려주는 서비스로, 회원 수 2만 명 이상에 100만 회를 넘는 학습 기록을 세우고 있다. 지금은 와세다대학 선진이공학 박사 과정에서 AI 프로그래밍 실습 과정을 지도하고 있다.


- 역자 소개 -
신상재
삼성 SDS ACT(Agile Core Team)의 AI/ML 파트인 Rosamia에서 COE(Chief Oldest Employee, 최고 연장자)를 맡고 있다.
일찍이 수포자였던 탓에 팀원들이 하는 일을 어깨너머로 보며 꿔다놓은 보릿자루 행세를 하다가, 우연히 이 책을 번역할 기회를 얻어 AI/ML을 위한 수학을 다시 배웠다. 수학에 대한 깨달음을 얻은 후로는 주변 수포자들에게 수학에 관한 복음을 전하고 있다.
주요 번역서로는 ≪스프링 철저 입문≫(위키북스, 2018), ≪1억배 빠른 양자 컴퓨터가 온다≫(로드북, 2018), ≪그림으로 배우는 클라우드 인프라와 API의 구조≫(로드북, 2017), ≪TCP/IP 쉽게, 더 쉽게≫(제이펍, 2016), ≪네트워크 엔지니어의 교과서≫(로드북, 2016), ≪Xcode로 배우는 코코아 프로그래밍≫(한빛미디어, 2010), ≪Objective-C: 맥과 아이폰 애플리케이션 프로그래밍≫(한빛미디어, 2009) 등이 있다.


이진희
삼성 SDS ACT(Agile Core Team)의 AI/ML 파트인 Rosamia에서 영한, 일한 번역 시스템을 맡고 있으며, 최근 총괄 PM이 되었다.
다년간 일본 공공 프로젝트를 수행하며 쌓은 경험으로 일본어 콘텐츠의 수집, 분석 능력이 탁월하고, 한일 언어 간의 미묘한 차이나 특징 등을 몸으로 익혀 알고 있다. 새로 도입한 고가의 GPU 장비들이 행여 휴일 동안에 놀지 않도록, 금요일 오후가 되면 학습 데이터 준비와 파라미터 튜닝으로 온몸을 불사른다.
이 책의 실습 부분을 한국 데이터에 맞게 새롭게 재구성하였으며 단지 예제에 불과한 모델에서조차도 더 나은 결과를 내기 위해 튜닝을 고민하는 명실상부 실전형 AI/ML 전문가이다.