1장 AI의 기본
1-1 AI란? 너무 애매한 개념 정의
1-2 AI의 급격한 발전과 정체
1-3 제1차 인공지능 붐, 「AI의 시작과 가능성」
1-4 제2차 인공지능 붐, 「데이터와 지식을 다루는 방법」
1-5 제3차 인공지능 붐, 「기계학습의 비약적 발전」
1-6 커넥셔니즘은 어떻게 발전했는가?
1-7 기호주의는 어떻게 발전했는가?
1-8 AI 기술과 제품의 관계
2장 AI와 프로그램의 기본 구조
2-1 AI에 부과된 과제와 해결 방안
2-2 탐색 알고리즘의 종류와 개요
2-3 소트 알고리즘의 종류와 개요
2-4 암호화 알고리즘의 종류와 개요
2-5 AI의 설계도가 되는 아키텍처
2-6 독립적으로 일하는 AI의 존재
2-7 Rule에 따른 AI의 사고방식과 의사결정 기법
2-8 목표에 맞춘 AI의 사고 방법과 의사결정 기법
2-9 사례에서 배우는 AI의 사고 방법과 의사결정 기법
2-10 유연하게 생각하기 위한 접근법
3장 AI에서 데이터 취급
3-1 AI에게 필요한 정보
3-2 데이터를 다룰 때에 다루기 쉬운 것과 다루기 어려운 것
3-3 지식과 개념을 전달하는 접근법
3-4 AI에서의 데이터 과학 및 통계
3-5 데이터를 분석하고 가치를 찾아낸다
3-6 알아두고 싶은 분석 방법 ① - 데이터의 관계성을 찾는다
3-7 알아두고 싶은 분석 방법 ② - 데이터를 나눈 후 분석한다
3-8 애매한 세계를 이해하기 위해서 사용되는 이론 ① - 정보의 표현～
3-9 애매한 세계를 이해하기 위해서 사용되는 이론 ② - 미래의 예측
3-10 데이터를 올바르게 처리하는 것의 어려움
3-11 지식과 통계로부터 AI의 개념을 만든다
4장 기계학습에 관련된 기술
4-1 통계로부터 판단 기준을 만든다
4-2 네트워크를 이용한 기계학습
4-3 가장 일반적인 학습 스타일
4-4 잠재적 가능성이 큰 학습 스타일
4-5 현실 세계에 적응하는 학습 스타일
4-6 발전을 이루는 강화학습
4-7 기계학습의 과
