책소개

인간 지능의 논리적 구조를 체계화하려는 노력은 기원전 4세기경 아리스토텔레스의 연역적 추론인 명제논리(Propositional Logic)에서 시작되었습니다. 이후, 이 논리는 0과 1의 수학적 언어로 변환되었고, '절대적 진리'라는 틀에서 벗어나 불확실성을 수학적으로 다루기 시작하면서 확률론으로 그 지평을 넓혔습니다.<br />20세기 중반, 컴퓨터의 발달로 대용량 데이터 저장이 가능해지자 표본을 통해 전체를 추론하는 확률론 기반의 통계분석 기법들이 비약적으로 발전했습니다. 이어 통계학적 모형을 컴퓨터 알고리즘에 이식한 기계학습(Machine Learning)이 등장했고, 데이터가 범람하는 시대를 맞아 데이터마이닝과 빅데이터라는 흐름이 우리 삶에 자리 잡았습니다.<br />이미 90년대에 등장했으나 컴퓨터 성능의 한계로 고배를 마셨던 인공신경망 모형들은 이제 화려하게 부활했습니다. 이를 통해 본격적인 인공지능 시대가 열렸으며, 이 모든 학문적 성취는 데이터사이언스라는 하나의 우산 아래 모이게 되었습니다.<br /><br />이 책은 데이터사이언스의 실체가 궁금한 입문자, 그리고 논리학부터 딥러닝에 이르는 방대한 학문의 골짜기에 빠지지 않고 '전체적인 숲'을 조망하고 싶은 분들을 위해 쓰였습니다.<br /><br />거창한 사전 지식은 필요 없습니다. 숫자 0과 1, 그리고 사칙연산(더하기, 빼기, 곱하기, 나누기)의 개념만 알고 있다면 그것으로 충분합니다.

저자소개

목차

박 종 선
서문
데이터사이언스
0이란 숫자
[NOT], [AND], 그리고 [OR]
IF THEN [ GIVEN ]
명제논리(propositional logic)
진리표(truth table)
추론(inference)
논리학의 한계
불확실한 세상
확률변수(random variable)
수로 변환하기
이미지를 데이터로
텍스트를 데이터로
시계열(time series) 데이터
오디오(audio)를 데이터로
데이터(DATA)
기댓값(expected value)
의 추정(estimation)
IF A THEN B. VS B GIVEN A
회귀모형(regression model)
모형의 학습(parameter learning)
엔트로피(entropy)
교차 엔트로피(cross-entropy)
인공 신경망
순방향 신경망(FFNN: feed forward neural network)모형
MNIST 데이터
합성곱 신경망(CNN: convolutional neural network)모형
회귀 신경망(RNN: recurrent neural network) 모형
에필로그(epilogue)