머리말 인공지능의 구조와 원리를 제대로 이해하는 길잡이I 인공지능의 부상컴퓨터가 그림을 읽다니인공지능의 정의인공지능 용어의 오용인공지능 기술의 역사인공지능 주요 사례Ⅱ 데이터와 인공지능데이터의 유형별 구분데이터를 분석하고 활용하는 법손이 많이 가는 데이터빅데이터와 인공지능데이터 분석 모델이란?데이터 분석 ㆍ 활용의 주요 사례III 머신러닝머신러닝의 정의일차함수의 등장가설식의 의미가중치 구하기의 어려움선형회귀손실 비용 산출경사하강법기계학습 실습해 보기다항 선형회귀이진분류다중분류그림을 읽는 컴퓨터MNIST 데이터세트이미지 인식하기IV 딥러닝뉴런퍼셉트론퍼셉트론 검증하기 ①퍼셉트론 검증하기 ②다층 퍼셉트론의 등장다층 퍼셉트론의 의의DNN개발 패러다임의 변화CNN ①CNN ②CNN ③RNNRNN의 활용V 비지도학습기계학습의 3대 유형글자 · 단어 예측 모델의 지도학습비지도학습의 개념K-meansGAN VI 강화학습강화학습의 원리강화학습의 활용 사례온실 속 강화학습? Ⅶ 대규모 언어 모델ChatGPT의 등장머신러닝의 이슈가 된 LLM자연어 처리자연어 처리로 구현되는 주요 기능들자연어 처리 기술의 도약워드 임베딩의 기본 개념워드 임베딩이 단어를 표현하는 방법전이학습의 기본 개념자연어 처리 분야에서의 전이학습대규모 언어 모델의 전이학습다양도로 전이학습되는 대규모 언어 모델언어 모델의 기본 개념언어 모델 개념의 확장인코더-디코더 모델컨텍스트 벡터어텐션이 필요한 이유어텐션 메커니즘트랜스포머트랜스포머의 어텐션트랜스포머 메커니즘의 특징대규모 언어 모델-BERT와 GPTBERT와 GPT의 출력고성능 언어 모델의 비결 ①고성능 언어 모델의 비결 ②대규모 언어 모델의 한계대규모 언어 모델 출현의 의의결국 똑같은 기초 원리Ⅷ 고성능 기계, 그리고 사람AI 기술의 취약점 ① AI 기술의 취약점 ②AI 기술의 취약점 ③AI 기술의 극악한(?) 속성인공지능은 결국, 데이터데이터 정제와 레이블링언어 모델을 위한 데이터 확보인공지능은 지능을 갖췄는가강인공지능과 약인공지능강인공지능의 출현 가능성범용 인공지능행동 모델의 가능성휴머노이드와 함께하는 세상AI 서비스의 개발 과정AI 전문가가 되려면우리는 앞으로 어떻게 대응해야 할까?참고 문헌그림 및 사진 출처찾아보기