책소개

두려움을 확신으로 바꾸는 AI 입문서의 표준

AI 시대를 살아가고 있지만, '머신러닝', '딥러닝' 같은 용어 앞에서 막막함을 느꼈던 수많은 비전공자 독자에게 이 책은 가장 확실하고 공감 가는 해답을 제시합니다. 이 책의 가장 큰 매력은 AI를 '인간처럼 생각하고 문제를 해결하도록 설계된 똑똑한 기계'라는 가장 쉬운 정의에서부터 시작한다는 점입니다. 마치 친절한 개인 교사가 옆에서 설명해 주듯, 복잡한 개념을 일상생활 속 사례와 명쾌한 비유로 풀어냅니다.

실용적 관점에서의 설득력: 저자는 AI를 컴퓨터 공학자들만의 전유물이 아닌, 우리 모두의 '새로운 문해력'이라고 강조합니다. 넷플릭스 추천 알고리즘부터 길 찾기 앱, 그리고 스마트폰 비서까지, AI가 이미 우리 삶의 핵심 인프라가 되었음을 깨닫게 합니다.

업무 효율 극대화를 위한 지침서: 단순히 지식 습득에 머물지 않습니다. AI 챗봇과 생성형 AI 도구를 활용하여 번역, 자료 요약, 기획서 초안 작성 등 업무 시간과 노력을 획기적으로 줄이는 실질적인 방법을 제시합니다. AI를 '잘 쓰는 사람'과 '못 쓰는 사람' 간의 업무 효율 격차가 곧 미래 경쟁력으로 이어질 것이라는 저자의 통찰은 독자에게 즉각적인 동기 부여를 제공합니다.

체계적인 구성과 비판적 사고의 함양: 이 책은 체계적인 구성과 실전 중심의 접근 방식으로, AI의 정의, 역사, 머신러닝/딥러닝의 원리까지 기본 개념을 차근히 학습하게 합니다. 더 나아가, AI의 한계(환각, 편향성)와 윤리 문제까지 다루며 독자들이 AI 시민으로서 비판적 문해력을 갖출 수 있도록 이끌어줍니다.

이 책은 AI 시대에 불안감 대신 새로운 기회를 찾는 시야를 열어줄 것입니다. 기술을 두려워하는 대신, AI라는 강력한 도구를 내 것으로 만들어 미래를 주도적으로 이끌어 나가고자 하는 모든 이들에게 필수적인 필독서입니다.

저자소개

목차

저자 소개: 박빈
서평
출판사평
Chapter 1. AI, 왜 알아야 할까요? - 인공지능의 시대
1. 인공지능(AI)이란 무엇인가? (가장 쉬운 정의)
2. 우리 삶 속에 스며든 AI 사례들 (실생활 예시)
3. AI 역사의 짧은 이해 (핵심 발전 단계)
4. AI가 세상을 어떻게 바꾸고 있는가? (직업, 산업의 변화)
5. 비전공자도 AI를 배워야 하는 이유 (실용적인 관점)
Chapter 2. AI의 큰 그림: 머신러닝 vs. 딥러닝
1. AI의 3단계 분류 (약/강/초 인공지능)
2. 머신러닝(Machine Learning)이란 무엇인가? (핵심 개념과 원리)
3. 딥러닝(Deep Learning)이란 무엇인가? (머신러닝과의 관계)
4. 데이터가 왜 중요한가? (AI 시대의 '원유')
5. 두 개념을 비유로 쉽게 이해하기 (간단한 예시 및 그림 활용)
Chapter 3. 머신러닝의 기초 다지기: 데이터 학습의 원리
1. 머신러닝은 어떻게 '학습'하는가? (모델과 알고리즘)
2. 지도 학습(Supervised Learning)의 이해 (정답을 알려주는 학습)
3. 비지도 학습(Unsupervised Learning)의 이해 (정답 없이 패턴 찾기)
4. 강화 학습(Reinforcement Learning)의 이해 (시행착오를 통한 학습)
5. 학습 결과를 평가하는 기준 (정확도, 오차율 등)
Chapter 4. 지도 학습 심층 이해: 분류와 예측
1. 분류(Classification) 문제 (Yes/No, A/B/C 판별)
2. 회귀(Regression) 문제 (미래 값 예측, 가격 예측)
3. 결정 트리(Decision Tree)와 그 작동 방식 (의사결정 과정 시각화)
4. 선형 회귀(Linear Regression)를 통한 예측 (가장 쉬운 수학적 모델)
5. 과적합(Overfitting)과 일반화(Generalization)의 문제
Chapter 5. 비지도 학습 심층 이해: 패턴과 그룹 찾기
1. 군집화(Clustering)란 무엇인가? (비슷한 것끼리 모으기)
2. K-평균 군집화(K-Means)의 원리 (가장 대표적인 알고리즘)
3. 차원 축소(Dimensionality Reduction)의 필요성 (데이터 압축)
4. 연관 규칙 학습 (장바구니 분석의 비밀)
5. 데이터 시각화를 통한 패턴 발견
Chapter 6. 딥러닝으로의 전환: 인공 신경망의 등장
1. 인간의 뇌와 인공 뉴런 (퍼셉트론의 기본 구조)
2. 신경망(Neural Network)의 연결과 층(Layer) (데이터의 흐름)
3. 가중치(Weight)와 편향(Bias)의 역할 (학습의 핵심 요소)
4. 활성화 함수(Activation Function)란 무엇인가? (신호 전달 방식)
5. 신경망이 '깊어지는' 이유 (특징 추출 능력 강화)
Chapter 7. 딥러닝 핵심 알고리즘 1: 이미지와 CNN
1. 이미지는 컴퓨터에게 무엇인가? (픽셀과 행렬)
2. 합성곱 신경망(CNN)의 등장 배경
3. 합성곱(Convolution) 필터의 원리 (특징 추출)
4. 풀링(Pooling)의 역할 (크기 줄이기와 중요한 정보 보존)
5. CNN이 실제 이미지 분석에 활용되는 사례 (얼굴 인식, 자율주행)
Chapter 8. 딥러닝 핵심 알고리즘 2: 자연어와 RNN/Transformer
1. 자연어(Natural Language)를 컴퓨터가 이해하는 방법 (단어 임베딩)
2. 순환 신경망(RNN)의 원리 (시간의 흐름을 기억하는 구조)
3. RNN의 한계를 극복한 LSTM/GRU
4. 혁신적인 Transformer 모델과 'Attention' 메커니즘 (GPT의 기반)
5. 텍스트 생성, 번역, 챗봇의 원리
Chapter 9. AI 윤리와 미래 전망
1. AI 시대의 윤리적 쟁점 (편향, 책임 소재)
2. 데이터 프라이버시와 보안 문제
3. AI 오용과 악용의 위험성 (딥페이크 등)
4. AI의 미래: 범용 인공지능(AGI)은 가능할까?
5. 비전공자가 AI 시대에 갖춰야 할 능력 (AI 리터러시)
Chapter 10. AI 학습, 이제 무엇을 시작해야 할까요?
1. AI 도구를 활용해보기 (ChatGPT, 미드저니 등 체험)
2. AI 관련 데이터셋 및 무료 학습 리소스 추천
3. 간단한 머신러닝 모델 직접 만들어보기 (코드 없이 가능한 도구 소개)
4. AI 관련 커뮤니티 및 지식 공유 플랫폼 활용
5. 비전공자의 관점에서 AI를 업무에 적용하는 방법
판 권