|
|
- AM9:00 ~ PM6:00
- 점심 12:00 ~13:00
|
|
| |
|
|
저자 : 페드로 도밍고스
출판사 : 비즈니스북스
출판년도 : 2016년 07월
분야 : 컴퓨터/인터넷/미디어
|
마스터 알고리즘
저자 : 페드로 도밍고스 / 출판사 : 비즈니스 북스
인공지능, 머신러닝, 딥러닝 입문
저자 : 김의중 / 출판사 : 위키북스
데이터 과학
저자 : 조엘 그루스 / 출판사 : 인사이트
|
| |
페드로 도밍고스 지음
비즈니스북스 / 2016년 7월 / 504쪽 / 22,000원
▣ 저자 페드로 도밍고스
시애틀 워싱턴 대학의 컴퓨터과학 및 공학 교수. 리스본의 IST 대학에서 전기공학 및 컴퓨터과학 학사와 석사 학위를, 캘리포니아 대학 어바인 캠퍼스(UC Irvine)에서 정보 및 컴퓨터과학 박사 학위를 취득했다. 머신러닝 분야의 선구적인 전문가로 데이터과학 분야의 최고 영예인 SIGKDD혁신상을 2년 연속 수상하며 세계적인 주목을 받았다. 이후에도 풀브라이트 펠로우십, 슬론 펠로우십, 미국국립과학 재단의 CAREER상, IBM 교수상을 받으며 명성을 쌓아왔다. 그의 주요 연구 분야는 머신러닝과 데이터 마이닝으로 컴퓨터가 인간의 도움을 더 적게 받으면서 일은 더 많이 하고, 경험을 통해 배우면서 새로운 지식을 발견하는 것을 목표로 한다. 그는 새로운 방향을 제시하는 창조성과 기술적 깊이 면에서 그 탁월함을 인정받고 있는데, 특히 머신러닝과 인공지능 그리고 철학의 오랜 문제였던 ‘어떻게 논리와 확률(Logic&Probability)을 통합할 것인가’에 관한 문제를 풀어낸 것으로 잘 알려져 있다. 이 연구는 과학전문지 《뉴 사이언티스트》에 커버스토리로 소개되기도 했다. 지금까지 120개가 넘는 전 세계 대학, 연구실, 컨퍼런스에 연사로 초청되었으며 그의 머신러닝 강좌는 워싱턴 대학 내 최고의 수업으로 선정되고 있다. 2001년 설립된 국제머신러닝협회의 공동 창립자이자 인공지능발전협회의 특별회원인 그는 현재 워싱턴대학 외에도 스탠퍼드 대학, 매사추세츠 공과대학, 카네기멜론 대학의 교환교수로 활동 중이다.
▣ 역자 강형진
서울시립대학교 전자공학과에서 학사, 석사 학위를 취득했다. LG전자에서 근무한 19년 동안 통신 장비와 휴대 전화를 개발하고 미국 주재원 생활을 경험했다. 번역가를 양성하는 글밥 아카데미 수료 후 정보통신과 과학 기술 분야를 중심으로 바른번역 소속 번역가로 활동 중이다.
▣ 감수 최승진
포스텍 컴퓨터공학과 교수. 서울대학교 전기공학과를 졸업하고 미국 노터대임 대학에서 전자공학 박사과정을 밟으며 독립요소분석이라는 데이터분석법을 연구했다. 1997년 일본 이화학연구소에서 인공신경망과 뇌모사 컴퓨팅 연구를 하며, 자연스럽게 인공 지능과 머신러닝에 발을 들여놓게 됐다. 머신러닝을 연구한 지 어느 덧 20년, 척박한 국내 이공계에 머신러닝의 기틀을 마련한 선구자로 현재 미래부 기계학습연구센터장을 역임하고 있다.
▣ Short Summary
전 세계를 강타한 알파고 쇼크와 제4차 산업혁명의 이슈로 인해 인공지능과 머신러닝에 대한 관심이 폭발적으로 증가하고 있다. 구글, 마이크로소프트, 페이스북 등 거대 기업들은 앞 다투어 머신러닝에 많은 돈을 투자하고 있고, 최고의 머신러닝 전문가들을 중심으로 인하우스팀을 꾸리고 연구ㆍ개발에 전폭적인 지원을 아끼지 않는 등 분야 선점에 사활을 걸고 있다. 국내에서도 이런 추세에 맞춰 머신러닝은 무엇이며 왜 모든 글로벌 기업들이 그토록 머신러닝에 기대를 하고 있는지, 떠오르는 이 기술을 향후 어떻게 그리고 어떤 분야에 도입하고 활용해나가야 하는지에 대한 논의가 활발해지고 있다.
이 책은 최고의 머신러닝 입문서로, 인공지능과 머신러닝의 탄생부터 어떻게 기계들이 스스로 학습할 수 있게 되었는지를 밝히고 나아가 이 기술이 우리의 미래를 얼마나 경이롭게 바꿔놓을지 생생하게 소개한다. 그리고 머신러닝에는 여러 가지 접근 방법이 있는데, 저자는 기호주의자, 연결주의자, 진화주의자, 베이즈주의자, 유추주의자, 이렇게 다섯 가지 종족으로 나눠 설명하고 있다.
머신러닝은 인공지능의 한 분야로 기계에 일일이 명령을 내리거나 프로그래밍하지 않아도 기계 스스로 학습할 수 있는 능력을 부여하도록 하는 것을 말한다. 이는 신용카드의 사용 내역을 추적해 우리가 혹할 만한 광고를 보여준다거나, 유권자 성향을 파악해 대통령 당선에 오른 오바마 등의 모습으로 이미 우리 삶에 관여하고 있다. 이 책에서 저자는 머신러닝의 정체를 밝히는 것에서 멈추지 않고 인류를 다음 단계의 진화로 이끌어낼 만큼 파괴력 있는 새로운 머신러닝의 탄생을 제시한다. 즉 모든 분야와 지식을 아우르는 ‘마스터 알고리즘’을 만들어 낼 수 있다는 주장을 펼친다.
추가 설명하면, 스팸메일의 분류, 아마존과 넷플릭스의 추천 콘텐츠, 투표자와 고객의 성향 분석 등 이미 사용되고 있는 다양한 머신러닝 기술에는 그 쓰임과 분야에 따라 각기 다른 알고리즘이 사용되고 있다. 같은 추천시스템을 구축했지만 아마존과 넷플릭스의 머신러닝 알고리즘이 다른 것처럼 말이다. 이에 반해 저자는 모든 분야와 지식을 아우르는, 범용적으로 사용할 수 있는 단 하나의 ‘마스터 알고리즘’을 만들어낼 수 있다는 대담한 주장을 펼친다. 그리고 마침내 ‘마스터 알고리즘’이 탄생되었을 때 데이터에서 세상의 모든 지식을 이끌어내는 유례없는 과학적 진보가 일어날 것이라 예견한다.
▣ 차례
들어가는 말
제1장 머신러닝의 혁명이 시작됐다
머신러닝은 무엇인가 / 최고의 기업들이 머신러닝을 채택하는 이유
머신러닝이 과학을 혁신한다 / 국가의 운명을 바꾼다
지상 전쟁에 한 명, 가상 전쟁에 두 명 / 우리는 어디로 향하는가
제2장 마스터 알고리즘은 어떻게 탄생하는가
신경과학에서 / 진화론에서 / 물리학에서 / 통계학에서 / 컴퓨터 과학에서
머신러닝 vs 지식공학 / 머신러닝 vs 인지 과학 / 머신러닝 vs 머신러닝 실행자
마스터 알고리즘은 당신에게 무엇을 주는가 / 또 다른 만물 이론이 될 것인가
본선에 진출하지 못하는 후보들 / 머신러닝의 다섯 종족
제3장 흄이 제기한 귀납의 문제 - 기호주의자의 머신러닝
데이트를 할 수 있을까, 없을까 / ‘세상에 공짜는 없다’라는 정리
지식 펌프에 마중물 붓기 / 세상을 다스리는 법 / 무지와 환상 사이
당신이 믿을 만한 정확도 / 귀납법은 연역법의 역이다 / 암 치료법 학습하기
스무고개 놀이 / 기호주의자의 믿음
제4장 우리 두뇌는 어떻게 학습하는가 - 연결주의자의 머신러닝
퍼셉트론의 성장과 쇠퇴 / 물리학자가 유리로 두뇌를 만든다
세상에서 가장 중요한 곡선 / 초공간에서 등산하기 / 퍼셉트론의 복수
세포의 완전한 모형 / 두뇌 속으로 더 깊이 들어가기
제5장 진화, 자연의 학습 알고리즘 - 진화주의자의 머신러닝
다윈의 알고리즘 / 탐험과 개발 사이의 딜레마 / 최적 프로그램의 생존
성의 임무는 무엇인가 / 자연에서 ‘학습’을 배우는 두 종족
가장 빨리 학습하는 자가 승리한다
제6장 베이즈 사제의 성당에서 - 베이즈주의자의 머신러닝
세상을 움직이는 정리 / 모든 모형은 틀리지만 그중에는 유용한 모형도 있다
예브게니 오네긴에서 시리까지 / 모든 것은 연결되어 있다, 직접 연결되지는 않지만
추론 문제 / 베이즈 방식 학습하기 / 마르코프가 증거를 평가한다
논리와 확률이라는 불행한 짝
제7장 당신을 닮은 것이 당신이다 - 유추주의자의 머신러닝
할 수 있으면 비슷한 점을 찾아봐 / 차원의 저주 / 평면 위의 뱀들
사다리 오르기 / 기호주의 vs 유추주의
제8장 선생님 없이 배우기
같은 종류끼리 모으기 / 데이터의 모양 발견하기 / 보상과 처벌 그리고 강화 학습
자꾸 연습하면 아주 잘하게 된다 / 연관 짓기 배우기
제9장 마스터 알고리즘을 위한 마지막 퍼즐 조각
여러 가지 학습 알고리즘을 어떻게 통합할 것인가 / 궁극의 학습 알고리즘
마르코프 논리 네트워크 / 흄에서 가사 로봇까지 / 지구 규모의 머신러닝
의사가 지금 당신은 진찰할 것이다
제10장 이것이 머신러닝이 펼치는 세상이다
섹스, 거짓말 그리고 머신러닝 / 디지털 거울 / 디지털 모형들의 사교 생활
공유할 것인가 공유하지 않을 것인가, 그리고 어디에서 어떻게?
신경망이 내 일자리를 빼앗는다 / 전쟁터에서 인간이 싸우지 않는다
구글+마스터 알고리즘=스카이넷? / 진화, 두 번째 막이 시작됐다
맺는말
감사의 말
감수의 글
더 읽을거리
찾아보기
|
|
|
|
|
|
|
|
|
| 
