길벗·이지톡

1장 파이썬 다루기
1. 파이썬의 장점 살펴보기
2. 파이썬 설치 및 실행하기
파이썬 설치 환경 살펴보기
파이썬 설치 및 사용하기
3. 파이썬 다루기
제어문
함수
- 연습 문제

2장 인공지능 I
1. 인공지능이란?
인공지능의 개념
인공지능의 역사
- 연습 문제

3장 인공지능 II
1. 인공지능 판별 실험
튜링 테스트
중국인의 방
2. 왜 인공지능일까?
왜 인공지능을 배울까?
3. 인공지능 사회와 인공지능 윤리
인공지능 사회
인공지능 윤리
- 연습 문제

4장 탐색과 최적해 I
1. 인공지능 탐색
인공지능에서의 탐색 개념
2. 인공지능 탐색 종류 (1)
탐색 종류
탐색 방법별 최적해 구하기 (1)
- 연습 문제

5장 탐색과 최적해 II
1. 인공지능 탐색 종류 (2)
탐색 종류
탐색 방법별 최적해 구하기 (2)
2. 게임 트리 탐색
미니맥스(Mini-Max) 알고리즘
알파-베타 가지치기(α-β Pruning)
- 연습 문제

6장 지식 표현
1. 지식의 개념
지식이란?
2. 지식 표현
규칙을 이용한 지식 표현
의미망을 이용한 지식 표현
프레임을 이용한 지식 표현
고급 지식 표현-논리
3. 불완전한 지식 표현
불확실한 지식 표현
- 연습 문제
- 연습 문제 정답 예시

7장 머신러닝
1. 머신러닝이란?
머신러닝이란?
머신러닝의 개념
머신러닝의 종류
- 연습 문제

8장 인공 신경망
1. 인공 신경망이란?
생물학적 뉴런
인공 신경망 뉴런 구조
2. 신경망과 머신러닝 실습
신경망 실습
선형 회귀 실습
분류 알고리즘 실습
K-평균 클러스터링 실습 1
K-평균 클러스터링 실습 2
- 연습 문제

9장 딥러닝
1. 딥러닝 소개
딥러닝의 개념과 역사
머신러닝과의 비교
딥러닝의 구성 요소
2. 인공 신경망
피드포워드 신경망(FFNN)
합성곱 신경망(CNN)
순환 신경망(RNN)
장단기 메모리 신경망(LSTM)
트랜스포머(Transformer)
3. 이미지 분류 예측 모델
이미지 데이터와 딥러닝의 관련성
합성곱 신경망(CNN) 소개
간단한 이미지 분류 예측 모델 구축 예시
4. 자연어 처리와 순환 신경망
자연어 처리의 기본 개념
순환 신경망(RNN) 소개
간단한 자연어 처리 예시
- 연습 문제

10장 딥러닝 응용 분야 - 강화 학습
1. 강화 학습
강화 학습이란?
강화 학습의 정의와 특징
지능적인 에이전트와 환경의 상호 작용 개념
2. 강화 학습의 주요 개념
에이전트, 환경, 상태, 행동, 보상, 정책의 역할과 의미
MDP 개념과 구성 요소
Q-러닝과 Deep Q-러닝
3. 강화 학습의 작동 원리
행동-보상 루프와 학습 과정
강화 학습에서 탐험과 이용의 중요성
4. 실생활의 강화 학습
로봇 청소기
자율 주행 자동차
로봇 팔(Arm) 제어
5. 강화 학습 응용 분야
- 연습 문제

11장 빅데이터
1. 빅데이터 개념
빅데이터의 부상
빅데이터란?
왜 빅데이터가 주목받을까?
미래 사회에서의 빅데이터 역할
빅브라더의 등장
2. 빅데이터를 이용한 데이터 다루기
공공 데이터 다운로드 및 데이터
데이터 다루기
- 연습 문제

12장 딥러닝을 이용한 컴퓨터 비전
1. 컴퓨터 비전이란?
OpenCV
OpenCV 파이썬 설치하기
2. 얼굴 인식 실습
얼굴 인식 코드
얼굴 인식 - Haar Cascades 실습
얼굴 인식 – dlib 라이브러리 실습
얼굴 인식 – dlib 라이브러리 이용 및 감정 인식 실습
- 연습 문제