<b>[1부] 인공지능 서비스와 기술의 이해</b></br></br>[1장] 인공지능이란 무엇인가</br>1.1 인공지능 기술의 태동과 발전</br>1.2 인공지능을 활용한 주요 비즈니스 사례</br>1.3 정리</br></br>[2장] 인공지능을 적용하기 위한 방법</br>2.1 인공지능 적용 기술의 분류</br>2.2 인공지능 개발을 위한 분산 플랫폼 환경</br>2.3 인공지능 개발을 지원하는 도구</br>2.4 딥러닝과 머신러닝 전용 프레임워크</br>2.5 인공지능 개발을 위한 프로그램 언어</br>2.6 데이터를 효과적으로 다루기 위한 포맷</br>2.7 접근과 사용이 용이한 클라우드 기반 인공지능 서비스</br>2.8 정리</br></br><b>[2부] 머신러닝과 딥러닝</b></br></br>[3장] 머신러닝의 이해와 지도학습을 이용한 분류</br>3.1 머신러닝의 유형</br>3.2 의사결정나무</br>3.3 서포트 벡터 머신 알고리즘</br>3.4 정리</br></br>[4장] 비지도학습을 이용한 군집화</br>4.1 K-평균 알고리즘으로 군집화 개념 이해하기</br>4.2 K-평균 직접 구현해 보기</br>4.3 붓꽃 데이터로 군집화 실습하기</br>4.4 와인 데이터로 군집화 실습하기</br>4.5 정리</br></br>[5장] 딥러닝을 이용한 이미지 분류</br>5.1 딥러닝 기술의 이해</br>5.2 CNN이란</br>5.3 손글씨 이미지 인식</br>5.4 음식 이미지 인식</br>5.5 정리</br></br>[6장] 텐서플로를 이용한 이미지 객체 추출</br>6.1 객체 추출 개요</br>6.2 객체 인식 사용해보기</br>6.3 객체 인식 응용하기</br>6.4 객체 인식을 위한 이미지 라벨링 도구</br>6.5 정리</br></br><b>[3부] 자연어 처리 기술의 이해</b></br></br>[7장] 한글 자연어 처리</br>7.1 자연어 처리의 개요</br>7.2 텍스트 데이터 전처리</br>7.3 텍스트 데이터의 벡터화</br>7.4 한글 자연어 처리 과정</br>7.5 한글 형태소 분석기 알아보기</br>7.6 한글 형태소 분석기 사용해보기</br>7.7 토픽 모델링</br>7.8 정리</br></br>[8장] 워드투벡을 이용한 자연어 처리</br>8.1 자연어 처리의 꽃, 단어 임베딩 이해하기</br>8.2 word2vec을 이용한 실습 해보기</br>8.3 word2vec을 이용해 영화 후기 분석하기</br>8.4 정리</br></br>[9장] 텍스트 감정 분석하기</br>9.1 텍스트 감정 분석이란?</br>9.2 케라스를 이용한 감정 분석</br>9.3 서포트 벡터 머신을 이용한 감정 분석</br>9.4 정리</br></br><b>[4부] 챗봇 서비스와 구현 기술의 이해</b></br>[10장] 챗봇 서비스 기술의 소개</br>10.1 챗봇이란?</br>10.2 챗봇의 주요 서비스 형태</br>10.3 챗봇을 구성하는 기술</br>10.4 정리</br></br>[11장] 클라우드 서비스를 이용한 챗봇 개발</br>11.1 왓슨을 이용한 대화 시나리오 개발</br>11.2 슬랙 봇 추가하기</br>11.3 챗봇 프로그램 실행하기</br>11.4 정리</br></br>[12장] RNN을 이용해 대화 서비스 개발하기</br>12.1 딥러닝 기반 개발환경 준비</br>12.2 RNN으로 대화 엔진 만들기</br>12.3 세탁소 챗봇 서비스 개발하기</br>12.4 홈 IoT 제어 챗봇 개발하기</br>12.5 정리</br></br>[부록 A] 파이썬 3 설치하기</br>A.1 우분투에 설치하기</br>A.2 맥 OS X에 설치하기</br>A.3 윈도우에 설치하기</br></br>[부록 B] 윈도우에서 넘파이와 사이파이 설치하기</br>B.1 넘파이 모듈 설치</br>B.2 사이파이 모듈 설치</br></br>[부록 C] 케라스 설치하기</br>C.1 가상 개발환경 생성하기</br>C.2 패키지 추가 설치하기</br>C.3 주피터 노트북 설치하기</br>

이 책의 구성

1부, 인공지능 서비스와 기술의 이해’에서는 인공지능에 대한 배경과 정의, 머신러닝과 딥러닝에 대한 개념과 인공지능 서비스를 도입하기 위한 여러 가지 도구와 기술 요소를 살펴본다.
1장, 인공지능이란 무엇인가’에서는 인공지능, 머신러닝, 딥러닝에 관한 핵심 사항과 배경 지식을 소개한다. 또한, 인공지능을 활용하는 여러 가지 서비스를 소개한다.
2장, 인공지능을 적용하기 위한 방법’에서는 인공지능 기술을 서비스에 도입하기 위해 여러 가지 도구와 기술 요소를 알아본다.

2부, 머신러닝과 딥러닝’에서는 머신러닝 기술의 유형의 특징과 차이점을 살펴보고 지도학습과 비지도학습의 대표적인 알고리즘을 알아본다.
3장, 머신러닝의 이해와 지도학습을 이용한 분류’에서는 본격적으로 머신러닝을 구축해보는 시작 단원으로 의사결정나무와 서포트 벡터 머신 알고리즘을 직접 구현해봄으로써 머신러닝에 필요한 기본 개념을 배운다.
4장, 비지도학습을 이용한 군집화’에서는 비지도학습의 개요를 설명하고, K-평균 알고리즘으로 비지도 학습 문제를 해결하는 방법을 살펴본다.
5장, 딥러닝을 이용한 이미지 분류’에서는 딥러닝을 이용해서 이미지를 처리하는 방법을 배우고, 음식이미지를 인식하는 실습을 통해, 딥러닝의 훈련과정을 이해할 수 있다.
6장, 텐서플로를 이용한 이미지 객체 추출’에서는 딥러닝을 이용해서 이미지 객체를 추출하는 방법을 배운다. 딥러닝 프레임워크인 텐서플로를 사용하는 방법을 익힐 수 있다.

3부, 자연어 처리 기술의 이해’에서는 자연 어처리가 무엇인지 개요를 알아보고, 자연어 처리를 배우는 목적에 대해 살펴본 다음, 실전 예제로 자연어 처리 기술을 활용해 텍스트에서 감정을 분석하는 방법을 배운다.
7장, 한글 자연어 처리’에서는 자연어 처리의 정의와 기본적인 지식을 알아보고, 한국어 처리를 위한 형태소 분석에 대해 살펴본다.
8장, 워드투벡을 이용한 자연어 처리’에서는 기존 자연어를 처리하는 방식에서 최근에 사용하게 된 딥러닝을 이용한 자연어처리 방식에 대해 소개한다. 특히 워드투벡(Word2Vec)이라는 기술에 대해 자세히 살펴본다.
9장, 텍스트 감정 분석하기’에서는 한국어 영화 리뷰를 통해 감정을 판단하는 기술을 배운다. 순환신경망(RNN)과 서포트 벡터 머신을 이용해서 구현하는 방법을 익힌다.

4부, 챗봇 서비스와 구현 기술의 이해’에서는 챗봇에 대한 기본적인 개념을 익히고, 클라우드 서비스를 이용해서 만드는 방법과 직접 딥러닝 기술을 이용해서 간단한 대화 서비스를 만드는 방법을 소개한다.
10장, 챗봇 서비스 기술의 소개’에서는 최근 주목받는 챗봇 서비스에 대한 이해와 유형, 다양한 사례를 알아본다. 챗봇을 구성하는 기술도 살펴본다.
11장, 클라우드 서비스를 이용한 챗봇 개발’에서는 클라우드 기반의 왓슨을 이용해서 직접 챗봇을 만들어본다.
12장, RNN을 이용해 대화 서비스 개발하기’에서는 제공하는 클라우드 서비스가 아닌 직접 딥러닝 기술을 이용해서 대화 서비스를 구축해본다.

마지막으로 부록에서는 이 책의 예제를 실행하기 위한 주요 실행 환경인 파이썬, 넘파이(NumPy)와 사이파이(SciPy), 케라스(Keras) 설치 방법을 설명한다. 그 밖의 환경 설치 및 구축 방법은 본문에서도 자세히 안내한다.

이 책의 주요 특징

- 이 책 한 권으로 인공지능 서비스의 다양한 분야를 모두 학습하고 실무 예제를 실습해볼 수 있다.
- 머신러닝과 딥러닝의 주요 알고리즘 이론을 배우고 간단한 서비스를 직접 만들어본다.
- 인공지능의 유형, 사례, 적용 기술 등을 파악해 서비스 기획을 위한 기본기를 갖출 수 있다.
- 인공지능 기술로의 확대 및 실무 적용 관점에서 직접 경험해보고 선택할 수 있다.
- 음성 인식, 자연어 처리, 대화 시스템, 영상 처리 등 다양한 인공지능 기술을 맛볼 수 있다.
- 인공지능을 위한 파이썬 기반 패키지인 파이토치(PyTorch), 젠심(Gensim), 텐서플로(TensorFlow), 케라스(Keras), NLTK 등을 사용한다.

이 책의 독자 대상

- 인공지능을 활용한 신규 IT 서비스를 고민하고 기술적 이해에 목마른 서비스/솔루션 기획자
- 머신러닝, 딥러닝 영역으로 전문성을 넓히고자 하는 IT 업무 종사자
- 컴퓨터 프로그램 경험이 있고 인공지능을 이용한 개발을 경험해보고 싶은 고등학생, 대학생 및 일반인