개인주의와 시장의 본질 또는 한 권으로 다지는 머신러닝&딥러닝 with 파이썬 > NEW도서

개인주의와 시장의 본질



도서명 : 개인주의와 시장의 본질
저자/출판사 : 배민, 지식발전소
쪽수 : 264쪽
출판일 : 2021-11-16
ISBN : 9788984292185
정가 : 14000

프롤로그

Chapter 1
우리가 알고 있는 개인주의 개념은 정확한 걸까?
나 자신의 생각을 개인주의적으로 인식하기
존재하는 것은 사회인가, 개인인가
개인주의는 충분히 윤리적인가
각 개인이 서로 다른 행복을 누릴 권리
왜 시장(market)은 개인주의와 관련이 깊은가
보다 개인주의적인 사회란 어떤 사회일까?
생물학적 시장과 개인
성향적 전략으로서의 개인주의란?

Chapter 2
개인주의가 걸어온 길
자아를 발견하는 여정의 시작
제자백가(諸子百家)의 꿈
노예 제도에 대하여
새장 속에 갇힌 자아
인간의 마음에 대한 자연철학적 분석
개인의 인격성에 대한 자각
개인주의의 확산과 이에 대한 저항
집단주의 전성시대
고독한 군중의 재각성
급격했던 변화의 물결

Chapter 3
개인의 욕망은 어떻게 실현될 수 있는가
욕망의 주체로서의 개인
사적 이익을 추구한다는 것
사적 소유권에 대한 반발
사적 소유권과 선택의 자유는 어떠한 관계에 있을까?
전체론적(holistic) 시각은 왜 중요한가
우리는 어떤 욕망을 가진 인간인가

Chapter 4
집단주의 사회 속의 개인
정치 사회적 불평등과 경제적 불평등의 차이
각자가 원하는 민주주의
인간에겐 너무도 익숙한 집단주의 전략
다원주의와 상대주의는 왜 억압받았을까?
대중을 이용하는 사람들과 대중의 미움을 받는 사람들
정치 시장의 반개인주의적 상품들
대중의 낭만적 믿음
자유주의적 개인주의의 쇠락이 가져올 결과들

Chapter 5
우리 주변의 개인주의
한국사 속의 개인주의
한국사회 속 다양한 시장과 개인주의
일상에서의 개인주의

에필로그
개인주의와 잘 지내는 법

주석




한 권으로 다지는 머신러닝&딥러닝 with 파이썬



도서명 : 한 권으로 다지는 머신러닝&딥러닝 with 파이썬
저자/출판사 : 알베르토 아르타산체스 , 프라틱 조시, 한빛미디어
쪽수 : 680쪽
출판일 : 2021-10-21
ISBN : 9791162244876
정가 : 40000

[1장 인공지능 소개]
1.1 AI란 무엇인가
1.2 AI를 왜 공부해야 하는가
1.3 AI 종류
1.4 머신러닝의 다섯 가지 그룹
1.5 튜링 테스트를 사용한 지능 정의
1.6 기계가 인간처럼 생각하도록 만들기
1.7 합리적 에이전트 구축
1.8 일반 문제 해결사
1.9 지능형 에이전트 구축
1.10 파이썬 3 설치
1.11 패키지 설치
1.12 데이터 로딩
1.13 정리

[2장 인공지능 사용 사례]
2.1 대표적인 AI 사용 사례
2.2 디지털 개인 비서와 챗봇
2.3 자율 주행 자동차
2.4 배송과 창고 관리
2.5 인간의 건강
2.6 지식 검색
2.7 추천 시스템
2.8 스마트 홈
2.9 게임
2.10 영화 제작
2.11 인수 및 거래 분석
2.12 데이터 정리와 변환
2.13 정리

[3장 머신러닝 파이프라인]
3.1 머신러닝 파이프라인이란 무엇인가
3.2 문제 정의
3.3 데이터 수집
3.4 데이터 준비
3.5 데이터 분리
3.6 모델 훈련
3.7 정리

[4장 특성 선택과 특성 공학]
4.1 특성 선택
4.2 특성 공학
4.3 정리

[5장 지도 학습을 이용한 분류와 회귀]
5.1 지도 학습 vs. 비지도 학습
5.2 분류란 무엇인가
5.3 데이터 전처리
5.4 레이블 인코딩
5.5 로지스틱 회귀 분류기
5.6 나이브 베이즈 분류기
5.7 컨퓨전 행렬
5.8 서포트 벡터 머신
5.9 서포트 벡터 머신을 사용한 소득 데이터 분류
5.10 회귀란 무엇인가
5.11 단일 변수 회귀 구축
5.12 다변수 회귀 분석기 구축
5.13 서포트 벡터 회귀를 사용해 주택 가격 추정하기
5.14 정리

[6장 앙상블 학습을 이용한 예측 분석]
6.1 의사 결정 트리
6.2 앙상블 학습
6.3 랜덤 포레스트와 익스트림 랜덤 포레스트
6.4 클래스 불균형 다루기
6.5 그리드 검색을 사용해 최적의 훈련 매개변수 찾기
6.6 상대적인 특성 중요도 계산하기
6.7 익스트림 랜덤 포레스트 회귀자를 사용해 트래픽 예측하기
6.8 정리

[7장 비지도 학습을 이용한 패턴 감지]
7.1 비지도 학습이란
7.2 K-평균 알고리즘을 사용해 데이터 클러스터링하기
7.3 가우시안 혼합 모델이란
7.4 유사도 전파 모델을 사용해 주식시장에서 하위 그룹 찾기
7.5 쇼핑 패턴에 따라 시장 분할하기
7.6 정리

[8장 추천 시스템 구축]
8.1 최근접 이웃 추출
8.2 K-최근접 이웃 분류기 생성
8.3 유사성 점수 계산
8.4 협업 필터링을 사용해 유사한 사용자 찾기
8.5 영화 추천 시스템 구축
8.6 정리

[9장 논리 프로그래밍]
9.1 논리 프로그래밍이란 무엇인가
9.2 논리 프로그래밍 구성 요소 이해
9.3 논리 프로그래밍을 사용한 문제 해결
9.4 파이썬 패키지 설치
9.5 수학적 표현 일치
9.6 소수 검증
9.7 가계도 구문 분석
9.8 지도 분석
9.9 퍼즐 솔버 구축
9.10 정리

[10장 휴리스틱 검색 기술]
10.1 휴리스틱 검색은 인공지능인가
10.2 휴리스틱 검색이란 무엇인가
10.3 제약 충족 문제
10.4 로컬 검색 기술
10.5 탐욕 검색을 사용한 문자열 구성
10.6 제약 충족 문제 해결하기
10.7 영역 색상 문제 해결하기
10.8 8-퍼즐 솔버 구축하기
10.9 미로 찾기 구축하기
10.10 정리

[11장 유전 알고리즘과 유전 프로그래밍]
11.1 진화주의자 그룹
11.2 진화와 유전 알고리즘
11.3 유전 알고리즘의 기본 개념
11.4 사전 정의된 매개변수로 비트 패턴 생성하기
11.5 진화 시각화하기
11.6 심볼 회귀 문제 해결하기
11.7 지능형 로봇 컨트롤러 구축하기
11.8 유전 프로그래밍 사용 사례
11.9 정리

[12장 클라우드를 이용한 인공지능]
12.1 기업이 클라우드로 마이그레이션하는 이유
12.2 최상위 클라우드 제공 업체
12.3 아마존 웹 서비스
12.4 마이크로소프트 애저
12.5 구글 클라우드 플랫폼
12.6 정리

[13장 인공지능을 이용한 게임 개발]
13.1 게임에서 검색 알고리즘 사용하기
13.2 조합 검색
13.3 easyAI 라이브러리 설치
13.4 마지막 동전 남기기 게임을 하는 봇 만들기
13.5 틱택토 게임을 하는 봇 만들기
13.6 커넥트포 게임을 하는 두 봇 만들기
13.7 헥사폰 게임을 하는 두 봇 만들기
13.8 정리

[14장 음성 인식 구축]
14.1 음성 신호 작업
14.2 오디오 신호 시각화하기
14.3 오디오 신호를 주파수 영역으로 변환하기
14.4 오디오 신호 생성하기
14.5 음악을 생성하기 위한 톤 합성하기
14.6 음성 특성 추출하기
14.7 음성 인식하기
14.8 정리

[15장 자연어 처리]
15.1 패키지 소개 및 설치
15.2 텍스트 데이터 토큰화
15.3 형태소 분석을 사용해 단어를 기본 형식으로 변환하기
15.4 기본형화를 사용해 단어를 기본 형식으로 변환하기
15.5 텍스트 데이터를 청크로 나누기
15.6 단어 가방 모델을 사용해 용어의 빈도 추출하기
15.7 카테고리 예측기 구축
15.8 성별 식별자 구축
15.9 감정 분석기 구축
15.10 잠재 디리클레 할당을 사용한 주제 모델링
15.11 정리

[16장 챗봇]
16.1 챗봇의 미래
16.2 오늘날의 챗봇
16.3 챗봇 기본 개념
16.4 잘 설계된 챗봇
16.5 챗봇 플랫폼
16.6 다이얼로그플로우를 사용한 챗봇 개발
16.7 정리

[17장 시퀀스 데이터와 시계열 분석]
17.1 시퀀스 데이터 이해
17.2 판다스로 시계열 데이터 처리하기
17.3 시계열 데이터 슬라이싱하기
17.4 시계열 데이터에 작업 수행하기
17.5 시계열 데이터에서 통계 추출하기
17.6 은닉 마르코프 모델을 사용해 데이터 생성하기
17.7 조건부 랜덤 필드로 알파벳 시퀀스 식별하기
17.8 주식시장 분석하기
17.9 정리

[18장 이미지 인식]
18.1 이미지 인식의 중요성
18.2 OpenCV
18.3 프레임 차이
18.4 색 공간을 사용한 객체 추적
18.5 배경 삭제를 사용한 객체 추적
18.6 캠시프트 알고리즘을 사용한 대화형 객체 추적기 구축
18.7 광학 흐름 기반 추적
18.8 얼굴 감지 및 추적
18.9 눈 감지 및 추적
18.10 정리

[19장 신경망]
19.1 신경망 소개
19.2 퍼셉트론 기반 분류기 구축
19.3 단일 계층 신경망 구축
19.4 다층 신경망 구축
19.5 벡터 양자화기 구축
19.6 순환 신경망을 사용한 시퀀스 데이터 분석
19.7 광학 문자 인식 데이터베이스에서 문자 시각화하기
19.8 광학 문자 인식 엔진 구축
19.9 정리

[20장 합성곱 신경망을 이용한 딥러닝]
20.1 합성곱 신경망 기초
20.2 합성곱 신경망 아키텍처
20.3 합성곱 신경망 계층 유형
20.4 퍼셉트론 기반 선형 회귀 구축
20.5 단일 계층 신경망을 사용한 이미지 분류기 구축
20.6 합성곱 신경망을 사용한 이미지 분류 구축
20.7 정리

[21장 순환 신경망과 기타 딥러닝 모델]
21.1 순환 신경망 기초
21.2 순환 신경망 아키텍처
21.3 언어 모델링 사용 사례
21.4 순환 신경망 훈련
21.5 정리

[22장 강화 학습 - 지능형 에이전트 생성]
22.1 학습의 의미 이해
22.2 강화 학습 vs. 지도 학습
22.3 강화 학습 사례
22.4 강화 학습 구성 요소
22.5 환경 구축
22.6 학습 에이전트 구축
22.7 정리

[23장 인공지능과 빅데이터]
23.1 빅데이터 기초
23.2 빅데이터의 세 가지 V
23.3 빅데이터와 머신러닝
23.4 NoSQL 데이터베이스
23.5 정리