서브메뉴
검색
본문
Powered by NAVER OpenAPI
-
-
인공지능 2 (현대적 접근방식)
저자 : 피터 노빅
출판사 : 제이펍
출판년 : 2016
ISBN : 9791185890425
책소개
이 책은 논리학, 확률, 연속수학과 지각, 추론, 학습, 동작, 그리고 초소형 전자기기부터 로봇 행성 탐사 차량에 이르기까지 모든 것을 포괄하는 인공지능 분야의 전 면모를 다루고 있다. 그중 이 책을 관통하는 주제인 지능적 에이전트라는 개념을 깊게 파헤치며, 인공지능의 여러 분야를 현대적 접근방식으로 조합한다.
[교보문고에서 제공한 정보입니다.]
출판사 서평
110여 개국 1,300개 이상의 대학에서 교재로 쓰이는 인공지능 바이블!
이 책은 논리학, 확률, 연속수학과 지각, 추론, 학습, 동작, 그리고 초소형 전자기기부터 로봇 행성 탐사 차량에 이르기까지 모든 것을 포괄하는 인공지능 분야의 전 면모를 다루고 있다. 그중 이 책을 관통하는 주제인 지능적 에이전트라는 개념을 깊게 파헤치며, 인공지능의 여러 분야를 현대적 접근방식으로 조합한다.
특히, 제3판에서는 모든 주요 분야의 논법이 갱신됐다. 많은 내용이 세계의 표현 방식(원자적 표현과 분해된 표현, 구조적 표현)에 따른 새로운 조직화 원리에 맞게 갱신되었으며, 부분 관찰 가능 검색, 우발적 계획 수립, 계통적 계획 수립, 관계적 확률 모형과 및 1차 확률 모형, 기계 학습의 정칙화와 손실 함수, 핵 방법, 웹 검색 엔진, 정보 추출, 컴퓨터 시각과 로봇공학 같은 주제에 대한 중요하면서도 새로운 내용이 추가되었다. 또한, 새로운 연습문제 수백 개도 추가되었다.
이 책의 가장 큰 목표는 지난 50년간의 인공지능 연구와 수백 년간의 관련 연구에서 얻은 아이디어들을 독자에게 전달하는 것이다. 그만큼 이 책은 인공지능에 관한 한 가장 포괄적이고 통찰력 있는 책이다.
이 책은 합리적인 의사결정 패러다임을 위한 통합적인 관점을 제공하며, 주요 인공지능 알고리즘의 의사코드들을 포함하고 있다. 또한, 적절한 에이전트 설계를 위한 검색 기법이나 계획 수립, 지식 표현은 물론, 요즘 화두인 자연어 처리, 기계 학습, 로봇공학까지도 아우른다.
또한, 이 책은 기본적으로 대학 학부생용 강의 교재를 염두에 둔 것으로, 총 27장으로 되어 있다. 각 장은 대략 한 주 정도의 강의 분량으로 볼 수 있으며, 책 전체를 떼기가 부담스럽다면 강사와 학생의 관심사에 맞는 장들을 선택해서 한 학기 과정을 만드는 것도 가능하다.
여러분이 강사라면 이 책을 가르칠 수 있는 기쁨을, 학생이라면 이 책을 배울 수 있는 기쁨을 충분히 누릴 수 있기를 바란다.
이 책은 논리학, 확률, 연속수학과 지각, 추론, 학습, 동작, 그리고 초소형 전자기기부터 로봇 행성 탐사 차량에 이르기까지 모든 것을 포괄하는 인공지능 분야의 전 면모를 다루고 있다. 그중 이 책을 관통하는 주제인 지능적 에이전트라는 개념을 깊게 파헤치며, 인공지능의 여러 분야를 현대적 접근방식으로 조합한다.
특히, 제3판에서는 모든 주요 분야의 논법이 갱신됐다. 많은 내용이 세계의 표현 방식(원자적 표현과 분해된 표현, 구조적 표현)에 따른 새로운 조직화 원리에 맞게 갱신되었으며, 부분 관찰 가능 검색, 우발적 계획 수립, 계통적 계획 수립, 관계적 확률 모형과 및 1차 확률 모형, 기계 학습의 정칙화와 손실 함수, 핵 방법, 웹 검색 엔진, 정보 추출, 컴퓨터 시각과 로봇공학 같은 주제에 대한 중요하면서도 새로운 내용이 추가되었다. 또한, 새로운 연습문제 수백 개도 추가되었다.
이 책의 가장 큰 목표는 지난 50년간의 인공지능 연구와 수백 년간의 관련 연구에서 얻은 아이디어들을 독자에게 전달하는 것이다. 그만큼 이 책은 인공지능에 관한 한 가장 포괄적이고 통찰력 있는 책이다.
이 책은 합리적인 의사결정 패러다임을 위한 통합적인 관점을 제공하며, 주요 인공지능 알고리즘의 의사코드들을 포함하고 있다. 또한, 적절한 에이전트 설계를 위한 검색 기법이나 계획 수립, 지식 표현은 물론, 요즘 화두인 자연어 처리, 기계 학습, 로봇공학까지도 아우른다.
또한, 이 책은 기본적으로 대학 학부생용 강의 교재를 염두에 둔 것으로, 총 27장으로 되어 있다. 각 장은 대략 한 주 정도의 강의 분량으로 볼 수 있으며, 책 전체를 떼기가 부담스럽다면 강사와 학생의 관심사에 맞는 장들을 선택해서 한 학기 과정을 만드는 것도 가능하다.
여러분이 강사라면 이 책을 가르칠 수 있는 기쁨을, 학생이라면 이 책을 배울 수 있는 기쁨을 충분히 누릴 수 있기를 바란다.
[교보문고에서 제공한 정보입니다.]
목차정보
CHAPTER 13 불확실성의 정량화 1
13.1 불확실성하에서의 행동 1
13.2 기본적인 확률 표기법 6
13.3 완전 결합 분포를 이용한 추리 14
13.4 독립성 18
13.5 베이즈 규칙과 그 용법 20
13.6 웜푸스 세계의 재고찰 25
13.7 요약 29
연습문제 33
CHAPTER 14 확률적 추론 39
14.1 불확실한 정의역의 지식 표현 40
14.2 베이즈망의 의미론 43
14.3 조건부 확률분포의 효율적 표현 49
14.4 베이즈망의 정확한 추리 54
14.5 베이즈망의 근사적 추리 63
14.6 관계적 확률 모형과 1차 확률 모형 74
14.7 불확실한 추론에 대한 다른 접근방식들 82
14.8 요약 89
연습문제 97
CHAPTER 15 시간에 따른 확률적 추론 105
15.1 시간과 불확실성 106
15.2 시간적 모형에서의 추리 111
15.3 은닉 마르코프 모형 120
15.4 칼만 필터 127
15.5 동적 베이즈망 135
15.6 다수의 객체를 추적 145
15.7 요약 149
연습문제 153
CHAPTER 16 간단한 의사결정 159
16.1 불확실성하에서의 믿음과 욕구의 결합 160
16.2 효용이론의 기초 161
16.3 효용 함수 165
16.4 다중 특성 효용 함수 174
16.5 의사결정망 179
16.6 정보의 가치 182
16.7 결정이론적 전문가 시스템 187
16.8 요약 191
연습문제 196
CHAPTER 17 복잡한 의사결정 203
17.1 순차적 의사결정 문제 204
17.2 평가치 반복 211
17.3 방침 반복 216
17.4 부분 관찰 가능 MDP 218
17.5 다중 에이전트 의사결정: 게임이론 228
17.6 메커니즘 설계 244
17.7 요약 251
연습문제 256
CHAPTER 18 견본을 통한 학습 261
18.1 학습의 여러 형태 262
18.2 감독 학습 264
18.3 의사결정 트리의 학습 267
18.4 최고의 가설의 평가와 선택 279
18.5 학습 이론 286
18.6 선형 모형을 이용한 회귀와 분류 291
18.7 인공 신경망 302
18.8 비매개변수적 모형 313
18.9 지지 벡터 기계 321
18.10 앙상블 학습 326
18.11 실용적인 기계 학습 331
18.12 요약 336
연습문제 344
CHAPTER 19 학습과 지식 349
19.1 학습의 논리적 형식화 349
19.2 학습에서의 지식 359
19.3 설명 기반 학습 363
19.4 유관성 정보를 이용한 학습 368
19.5 귀납적 논리 프로그래밍 372
19.6 요약 383
연습문제 387
CHAPTER 20 확률 모형의 학습 389
20.1 통계적 학습 390
20.2 완전 자료를 이용한 학습 393
20.3 숨겨진 변수들이 있는 학습: EM 알고리즘 406
20.4 요약 416
연습문제 420
CHAPTER 21 강화 학습 423
21.1 소개 423
21.2 수동 강화 학습 425
21.3 능동 강화 학습 433
21.4 강화 학습의 일반화 440
21.5 방침 검색 443
21.6 강화 학습의 응용 446
21.7 요약 449
연습문제 455
CHAPTER 22 자연어 처리 457
22.1 언어 모형 458
22.2 텍스트 분류 463
22.3 정보 조회 466
22.4 정보 추출 473
22.5 요약 485
연습문제 489
CHAPTER 23 자연어 의사소통 491
23.1 구 구조 문법 492
23.2 구문 분석(파싱) 496
23.3 증강 문법과 의미론적 해석 502
23.4 기계 번역 513
23.5 음성 인식 520
23.6 요약 527
연습문제 533
CHAPTER 24 지각 539
24.1 영상 형성 541
24.2 초기 영상 처리 연산들 547
24.3 겉보기를 이용한 물체 인식 555
24.4 3차원 세계의 재구축 560
24.5 구조적 정보로부터 물체 인식 572
24.6 시각의 활용 576
24.7 요약 581
연습문제 586
CHAPTER 25 로봇공학 589
25.1 소개 589
25.2 로봇 하드웨어 592
25.3 로봇 지각 598
25.4 운동 계획의 수립 606
25.5 불확실한 운동의 계획 614
25.6 운동의 실행 618
25.7 로봇공학 소프트웨어 구조 625
25.8 응용 영역들 628
25.9 요약 632
연습문제 638
CHAPTER 26 철학적 토대 645
26.1 약 인공지능: 기계가 지능적으로 행동할 수 있는가? 646
26.2 강 인공지능: 기계가 정말로 생각할 수 있는가? 653
26.3 인공지능 개발의 윤리와 위험 662
26.4 요약 670
연습문제 674
CHAPTER 27 인공지능의 현재와 미래 677
27.1 에이전트의 구성요소들 678
27.2 에이전트 아키텍처 681
27.3 인공지능 연구의 올바른 방향 683
27.4 인공지능이 정말로 성공한다면? 685
APPENDIX A 수학적 배경 687
A.1 복잡도 분석과 O() 표기법 687
A.2 벡터, 행렬, 선형 대수 690
A.3 확률분포 692
APPENDIX B 언어와 알고리즘에 관해 697
B.1 BNF를 이용한 언어의 정의 697
B.2 알고리즘 서술에 쓰이는 의사코드 698
B.3 온라인 도움말 700
참고문헌 701
찾아보기 749
13.1 불확실성하에서의 행동 1
13.2 기본적인 확률 표기법 6
13.3 완전 결합 분포를 이용한 추리 14
13.4 독립성 18
13.5 베이즈 규칙과 그 용법 20
13.6 웜푸스 세계의 재고찰 25
13.7 요약 29
연습문제 33
CHAPTER 14 확률적 추론 39
14.1 불확실한 정의역의 지식 표현 40
14.2 베이즈망의 의미론 43
14.3 조건부 확률분포의 효율적 표현 49
14.4 베이즈망의 정확한 추리 54
14.5 베이즈망의 근사적 추리 63
14.6 관계적 확률 모형과 1차 확률 모형 74
14.7 불확실한 추론에 대한 다른 접근방식들 82
14.8 요약 89
연습문제 97
CHAPTER 15 시간에 따른 확률적 추론 105
15.1 시간과 불확실성 106
15.2 시간적 모형에서의 추리 111
15.3 은닉 마르코프 모형 120
15.4 칼만 필터 127
15.5 동적 베이즈망 135
15.6 다수의 객체를 추적 145
15.7 요약 149
연습문제 153
CHAPTER 16 간단한 의사결정 159
16.1 불확실성하에서의 믿음과 욕구의 결합 160
16.2 효용이론의 기초 161
16.3 효용 함수 165
16.4 다중 특성 효용 함수 174
16.5 의사결정망 179
16.6 정보의 가치 182
16.7 결정이론적 전문가 시스템 187
16.8 요약 191
연습문제 196
CHAPTER 17 복잡한 의사결정 203
17.1 순차적 의사결정 문제 204
17.2 평가치 반복 211
17.3 방침 반복 216
17.4 부분 관찰 가능 MDP 218
17.5 다중 에이전트 의사결정: 게임이론 228
17.6 메커니즘 설계 244
17.7 요약 251
연습문제 256
CHAPTER 18 견본을 통한 학습 261
18.1 학습의 여러 형태 262
18.2 감독 학습 264
18.3 의사결정 트리의 학습 267
18.4 최고의 가설의 평가와 선택 279
18.5 학습 이론 286
18.6 선형 모형을 이용한 회귀와 분류 291
18.7 인공 신경망 302
18.8 비매개변수적 모형 313
18.9 지지 벡터 기계 321
18.10 앙상블 학습 326
18.11 실용적인 기계 학습 331
18.12 요약 336
연습문제 344
CHAPTER 19 학습과 지식 349
19.1 학습의 논리적 형식화 349
19.2 학습에서의 지식 359
19.3 설명 기반 학습 363
19.4 유관성 정보를 이용한 학습 368
19.5 귀납적 논리 프로그래밍 372
19.6 요약 383
연습문제 387
CHAPTER 20 확률 모형의 학습 389
20.1 통계적 학습 390
20.2 완전 자료를 이용한 학습 393
20.3 숨겨진 변수들이 있는 학습: EM 알고리즘 406
20.4 요약 416
연습문제 420
CHAPTER 21 강화 학습 423
21.1 소개 423
21.2 수동 강화 학습 425
21.3 능동 강화 학습 433
21.4 강화 학습의 일반화 440
21.5 방침 검색 443
21.6 강화 학습의 응용 446
21.7 요약 449
연습문제 455
CHAPTER 22 자연어 처리 457
22.1 언어 모형 458
22.2 텍스트 분류 463
22.3 정보 조회 466
22.4 정보 추출 473
22.5 요약 485
연습문제 489
CHAPTER 23 자연어 의사소통 491
23.1 구 구조 문법 492
23.2 구문 분석(파싱) 496
23.3 증강 문법과 의미론적 해석 502
23.4 기계 번역 513
23.5 음성 인식 520
23.6 요약 527
연습문제 533
CHAPTER 24 지각 539
24.1 영상 형성 541
24.2 초기 영상 처리 연산들 547
24.3 겉보기를 이용한 물체 인식 555
24.4 3차원 세계의 재구축 560
24.5 구조적 정보로부터 물체 인식 572
24.6 시각의 활용 576
24.7 요약 581
연습문제 586
CHAPTER 25 로봇공학 589
25.1 소개 589
25.2 로봇 하드웨어 592
25.3 로봇 지각 598
25.4 운동 계획의 수립 606
25.5 불확실한 운동의 계획 614
25.6 운동의 실행 618
25.7 로봇공학 소프트웨어 구조 625
25.8 응용 영역들 628
25.9 요약 632
연습문제 638
CHAPTER 26 철학적 토대 645
26.1 약 인공지능: 기계가 지능적으로 행동할 수 있는가? 646
26.2 강 인공지능: 기계가 정말로 생각할 수 있는가? 653
26.3 인공지능 개발의 윤리와 위험 662
26.4 요약 670
연습문제 674
CHAPTER 27 인공지능의 현재와 미래 677
27.1 에이전트의 구성요소들 678
27.2 에이전트 아키텍처 681
27.3 인공지능 연구의 올바른 방향 683
27.4 인공지능이 정말로 성공한다면? 685
APPENDIX A 수학적 배경 687
A.1 복잡도 분석과 O() 표기법 687
A.2 벡터, 행렬, 선형 대수 690
A.3 확률분포 692
APPENDIX B 언어와 알고리즘에 관해 697
B.1 BNF를 이용한 언어의 정의 697
B.2 알고리즘 서술에 쓰이는 의사코드 698
B.3 온라인 도움말 700
참고문헌 701
찾아보기 749
[교보문고에서 제공한 정보입니다.]