- 주문상품수량
- 개
- 예상적립금
P - 상품할인금
- 원
- 배송료
- 원
- 주문합계
- 원
네비게이션 실시간 인기 책
베스트
AI를 위한 필수 수학
- 할라 넬슨 저
- 안민재 역
- 한빛미디어
- 2024년 08월 20일
-
정가45,000원
-
판매가40,500원 [10% 할인]
-
결제 혜택무이자
카드할인/포인트결제 안내
제휴카드
반디앤루니스 롯데카드 결제금액 최대 25% 청구할인 (1만원 이상 결제건에 한해 월 2회, 건당 최대 1만원 할인) 반디앤루니스 우리V카드 결제금액 10% 청구할인 포인트결제
OK캐쉬백 포인트 최소 10원부터 전액 사용 or 1% 적립 현대카드 M포인트 결제금액의 최대 10% 사용 가능 신한카드 포인트 결제금액의 최대 10% 사용 가능(일부카드) 하나(구.외환) 포인트 보유 한도 내에서 100% 사용 가능 씨티카드 포인트 결제금액의 최대 50% 사용 가능 할인카드
NH농협 TAKE5카드 20% 청구할인(Edu Pack) 채움 플래티늄 멀티카드 20% 청구할인 모바일 Tmoney 신한카드 10% 청구할인 신한카드 Shopping 10% 청구할인 NH농협 체크카드 10% 청구할인 NH20 해봄 신용카드 10% 청구할인 씨티 클리어 카드 7% 청구할인 NH20 해봄 체크카드 5% 청구할인 NH농협 LADY다솜카드 5% 청구할인 신한카드 큐브 5% 청구할인 신한카드 큐브 PLATINUM# 5% 청구할인 
무이자 안내
-
적립금2,250원 적립 [5%P]
추가 적립금 안내
[2천원 추가 적립]
총 주문금액 5만원 이상 구매 시 2,000원 추가 적립
도서(eBook포함)만 구매 시 적립 대상에서 제외업채배송상품 포함(기프트, 업체배송 등) 5만원[멤버십 추가 적립]
슈퍼루니 : 3% 추가 적립
골드루니 : 2% 추가 적립
실버루니 : 1% 추가 적립
단, 국내도서, eBook만 구매 시 적립 불가
-
배송료무료배송
-
출고예정일
출고예정일 안내
※ 출고예정일은 도서 재고상황에 따라 변동될 수 있습니다.
2026년 02월 06일(금)※ 출고예정일은 도서 재고상황에 따라 변동될 수 있습니다.
당일배송 가능지역 검색
“도로명주소”를 쉽게 찾아보세요
1. 도로명으로 검색하기 (예, “직지길” or “직지길+322”)
2. 건물명으로 검색하기 (예, “반디앤루니스빌딩”)
3. 동(읍/면/리) 으로 검색 (예, “인사동” or “인사동+43”)
4. 도로명주소를 모르실 경우 도로명주소 안내시스템(http://www.juso.go.kr)에서 확인해주세요.
시/도
시/군/구
회원리뷰
ISBN: 9791169212588
640쪽
1,216g
183 x 235 (㎜)
지금 이책은
- 판매지수 : 0
- 주간 컴퓨터/IT: 78위
- 주간 자연과학/공학: 59위
이 분야의 베스트셀러
-
처음 만나는 인공지능 [개정판]
김대수
26,000원
-
비전공자를 위한 이해할 수 있는 IT 지식
최원영
15,120원
-
컴퓨팅 사고 Level Up 소프트 파워 with 스크래치
김호다, 이지민, 정영철 외
20,700원
이 책이 속한 분야
책 소개
이 책은
복잡한 공식과 방대한 양에 압도되어 수학 공부를 포기하는 사람들을 위해 만들어졌다. AI 시스템 구축에 필수적인 통계학, 선형 대수학, 미적분학 등 기본 수학 개념을 쉽게 풀어내어, 이해하기 쉽게 설명한다. 어려운 정리나 증명, 코딩은 최소화하고, 각 개념이 AI 애플리케이션에 어떻게 적용되는지를 실제 사례를 통해 보여준다. 이를 통해 수학적 세부 사항보다는 수학 개념 간의 관계와 전체적인 그림을 그리는 데 집중할 수 있도록 한다.
출판사 리뷰
정리/증명/코딩은 빼고, 적용 사례에 집중한 수학 가이드
이 책은 복잡한 공식과 방대한 양에 압도되어 수학 공부를 포기하는 사람들을 위해 만들어졌다. AI 시스템 구축에 필수적인 통계학, 선형 대수학, 미적분학 등 기본 수학 개념을 쉽게 풀어내어, 이해하기 쉽게 설명한다. 어려운 정리나 증명, 코딩은 최소화하고, 각 개념이 AI 애플리케이션에 어떻게 적용되는지를 실제 사례를 통해 보여준다. 이를 통해 수학적 세부 사항보다는 수학 개념 간의 관계와 전체적인 그림을 그리는 데 집중할 수 있도록 한다.
또한, AI의 어떤 부분에서 어떤 수학이 왜 사용되는지를 명확하게 설명하며, 단순한 이론 나열을 넘어 실제 AI 시스템에서 수학이 어떻게 활용되는지를 구체적인 예시를 통해 알기 쉽게 설명한다. 머신러닝 알고리즘의 기본 원리, 신경망의 작동 방식, 자연어 처리의 수학적 기반 등 AI의 핵심 분야별로 관련 수학 개념을 소개하여 독자들이 AI의 작동 원리를 체계적으로 이해할 수 있도록 돕는다. AI에 관심 있는 학생이나 개발자, 연구자는 물론, AI 기술을 비즈니스에 적용하고자 하는 경영진도 이 책으로 통찰력을 얻을 수 있을 것이다.
인공지능 시대의 필수적인 수학 개념을 쉽고 직관적으로 설명한 안내서!
『AI를 위한 필수 수학』은 인공지능과 데이터 과학의 기초가 되는 수학적 원리를 누구나 이해할 수 있도록 설명합니다. 이 책은 수학 공식과 증명에 집중하기보다는, 인공지능 프로젝트에서 실제로 수학이 어떻게 적용되는지를 다양한 사례와 함께 다루며, 직관적 이해를 돕습니다.
특히, 그래프 이론과 운용 과학을 비롯한 상대적으로 자료가 부족한 분야에 대한 내용을 심도 있게 다루어, 실무에 바로 적용할 수 있는 아이디어를 제공합니다. 인공지능 학습의 시작을 계획하는 분들뿐만 아니라, 관련 분야의 실무자들에게도 유용한 자료가 될 것입니다.
저자 소개
제임스 매디슨 대학교의 수학과 부교수. 뉴욕 대학교의 쿠란트 수학연구소에서 박사 학위를 받고, 미시간 대학교에서 박사 후 연구 조교수로 일했다. 수학 모델링을 전문으로 하며 공공 부문의 긴급 및 인프라 서비스를 위한 자문을 맡고 있다. 복잡한 아이디어를 간단하고 실용적인 용어로 번역하는 것을 좋아한다. 설명하는 사람이 수학 개념을 제대로 이해하지 못했거나 지식을 과시하려는 것이 아니라면 수학 개념을 쉽게 이해할 수 있다고 생각한다.
역자 소개
연세대학교 전기전자공학부를 졸업하고 웹 및 모바일 애플리케이션 개발로 코드를 읽고 쓰기 시작했다. 스타트업에서 추천 시스템을 개발하면서 데이터에 푹 빠졌고, 나스미디어에서 AI를 도입하기 위한 데이터 파이프라인 구축, 모델 개발, 서비스 및 MLOps 전반을 다루었다. 현재는 스마일게이트 AI 센터에서 ML 엔지니어로 일하고 있다. 요즘은 LLM 연구와 프로덕션 환경에서의 LLM 운영에 관심이 많다. 개발과 계발 이야기를 기록하고자 두 개의 블로그(https://emjayahn.github.io, https://emjayahn.kr)를 운영 중이다.
목차
Chapter 1 인공지능 수학을 왜 배워야 할까?
1.1 인공지능이란 무엇일까?
1.2 인공지능이 각광받는 이유는 무엇일까?
1.3 인공지능은 무엇을 할 수 있을까?
1.4 인공지능의 한계는 무엇일까?
1.5 인공지능 시스템이 실패하면 어떻게 될까?
1.6 인공지능은 어디로 향하고 있을까?
1.7 현재 인공지능 분야의 가장 큰 기여자는 누구일까?
1.8 수학이 인공지능에 기여한 점은 무엇일까?
Chapter 2 데이터, 데이터, 또 데이터
2.1 인공지능을 위한 데이터
2.2 실제 데이터와 시뮬레이션 데이터
2.3 수학 모델: 선형과 비선형
2.4 실제 데이터 예시
2.5 시뮬레이션 데이터 예시
2.6 수학 모델: 시뮬레이션과 인공지능
2.7 어디서 데이터를 얻는가?
2.8 데이터 분포, 확률, 통계에서 자주 등장하는 용어
2.9 연속 분포와 이산 분포
2.10 결합 확률 밀도 함수의 힘
2.11 균등 분포
2.12 정규 분포
2.13 자주 사용되는 분포들
2.14 분포의 다양한 의미
2.15 A/B 테스트
Chapter 3 데이터에 함수를 최적화시키는 방법
3.1 유용한 고전 머신러닝 모델들
3.2 수치적 방법과 분석적 방법
3.3 회귀: 숫자 값 예측
3.4 로지스틱 회귀: 이항 분류
3.5 소프트맥스 회귀: 다항 분류
3.6 신경망의 마지막 층에 모델 통합하기
3.7 유명한 머신러닝 방법과 앙상블 방법
3.8 분류 모델의 성능 평가
Chapter 4 신경망을 위한 최적화
4.1 대뇌 피질과 인공 신경망
4.2 훈련 함수: 완전 연결 신경망, 밀집 신경망, 순방향 신경망
4.3 손실 함수
4.4 최적화
4.5 정규화
4.6 머신러닝 모델의 하이퍼파라미터
4.7 연쇄 법칙과 역전파
4.8 입력 데이터 피처의 중요도 평가
Chapter 5 합성곱 신경망과 컴퓨터 비전
5.1 합성곱과 교차 상관관계
5.2 시스템 설계 관점에서의 합성곱
5.3 합성곱과 1차원 이산 신호
5.4 합성곱과 2차원 이산 신호
5.5 선형 대수 표기법
5.6 풀링
5.7 이미지 분류를 위한 합성곱 신경망
Chapter 6 특이값 분해: 이미지 처리, 자연어 처리, 소셜 미디어
6.1 행렬 분해
6.2 대각 행렬
6.3 공간상 선형 변환인 행렬
6.4 행렬 곱셈을 위한 세 가지 방법
6.5 큰 크림
6.6 특이값 분해의 구성 요소
6.7 특이값 분해 vs 고유값 분해
6.8 특이값 분해의 계산
6.9 유사 역행렬
6.10 이미지에 특이값 분해 적용하기
6.11 주성분 분석과 차원 축소
6.12 주성분 분석과 클러스터링
6.13 소셜 미디어에서의 응용
6.14 잠재 의미 분석
6.15 랜덤 특이값 분해
Chapter 7 자연어 처리와 금융 인공지능: 벡터화와 시계열 분석
7.1 자연어 처리 인공지능
7.2 자연어 데이터 준비하기
7.3 통계적 모델과 로그 함수
7.4 단어 수에 관한 지프의 법칙
7.5 자연어 문서의 다양한 벡터 표현
7.6 코사인 유사도
7.7 자연어 처리 애플리케이션
7.8 트랜스포머와 어텐션 모델
7.9 시계열 데이터를 위한 합성곱 신경망
7.10 시계열 데이터를 위한 순환 신경망
7.11 자연어 데이터 예제
7.12 금융 인공지능
Chapter 8 확률적 생성 모델
8.1 생성 모델은 어떤 경우에 유용한가?
8.2 생성 모델의 일반적인 수학
8.3 결정론적 사고에서 확률 이론적 사고로의 전환
8.4 최대 가능도 추정
8.5 명시적 밀도 모델과 암시적 밀도 모델
8.6 추적 가능한 명시적 밀도: 믿을 수 있는 가시적인 신경망
8.7 명시적 밀도 - 추적 가능: 변수 변환 및 비선형 독립 성분 분석
8.8 명시적 밀도 - 추적 불가능: 변분 오토인코더의 변분법을 통한 근사화
8.9 명시적 밀도 - 추적 불가능: 마르코프 체인을 통한 볼츠만 머신 근사
8.10 암시적 밀도 - 마르코프 체인: 확률적 생성 모델
8.11 암시적 밀도 - 적대적 생성 모델
8.12 예제: 머신러닝 및 생성 신경망을 활용한 고에너지 물리학
8.13 기타 생성 모델
8.14 생성 모델의 발전
8.15 확률 이론적 언어 모델링
Chapter 9 그래프 모델
9.1 그래프: 노드, 엣지, 피처
9.2 예제: 페이지 랭크 알고리즘
9.3 그래프를 사용한 역행렬 계산
9.4 케일리 그래프 그룹: 순수 대수학과 병렬 연산
9.5 그래프 내 메시지 전달
9.6 그래프의 무한한 활용
9.7 그래프에서의 랜덤 워크
9.8 노드 표현 학습
9.9 그래프 신경망의 응용
9.10 동적 그래프 모델
9.11 베이즈 네트워크
9.12 확률적 인과관계 모델링을 위한 그래프 다이어그램
9.13 그래프 이론의 간략한 역사
9.14 그래프 이론의 주요 고려 사항
9.15 그래프 알고리즘과 연산 측면
Chapter 10 운용 과학
10.1 공짜 점심은 없다
10.2 복잡도 분석과 빅오 표기법
10.3 최적화: 운용 과학의 핵심
10.4 최적화에 대한 고찰
10.5 네트워크상에서의 최적화
1.1 인공지능이란 무엇일까?
1.2 인공지능이 각광받는 이유는 무엇일까?
1.3 인공지능은 무엇을 할 수 있을까?
1.4 인공지능의 한계는 무엇일까?
1.5 인공지능 시스템이 실패하면 어떻게 될까?
1.6 인공지능은 어디로 향하고 있을까?
1.7 현재 인공지능 분야의 가장 큰 기여자는 누구일까?
1.8 수학이 인공지능에 기여한 점은 무엇일까?
Chapter 2 데이터, 데이터, 또 데이터
2.1 인공지능을 위한 데이터
2.2 실제 데이터와 시뮬레이션 데이터
2.3 수학 모델: 선형과 비선형
2.4 실제 데이터 예시
2.5 시뮬레이션 데이터 예시
2.6 수학 모델: 시뮬레이션과 인공지능
2.7 어디서 데이터를 얻는가?
2.8 데이터 분포, 확률, 통계에서 자주 등장하는 용어
2.9 연속 분포와 이산 분포
2.10 결합 확률 밀도 함수의 힘
2.11 균등 분포
2.12 정규 분포
2.13 자주 사용되는 분포들
2.14 분포의 다양한 의미
2.15 A/B 테스트
Chapter 3 데이터에 함수를 최적화시키는 방법
3.1 유용한 고전 머신러닝 모델들
3.2 수치적 방법과 분석적 방법
3.3 회귀: 숫자 값 예측
3.4 로지스틱 회귀: 이항 분류
3.5 소프트맥스 회귀: 다항 분류
3.6 신경망의 마지막 층에 모델 통합하기
3.7 유명한 머신러닝 방법과 앙상블 방법
3.8 분류 모델의 성능 평가
Chapter 4 신경망을 위한 최적화
4.1 대뇌 피질과 인공 신경망
4.2 훈련 함수: 완전 연결 신경망, 밀집 신경망, 순방향 신경망
4.3 손실 함수
4.4 최적화
4.5 정규화
4.6 머신러닝 모델의 하이퍼파라미터
4.7 연쇄 법칙과 역전파
4.8 입력 데이터 피처의 중요도 평가
Chapter 5 합성곱 신경망과 컴퓨터 비전
5.1 합성곱과 교차 상관관계
5.2 시스템 설계 관점에서의 합성곱
5.3 합성곱과 1차원 이산 신호
5.4 합성곱과 2차원 이산 신호
5.5 선형 대수 표기법
5.6 풀링
5.7 이미지 분류를 위한 합성곱 신경망
Chapter 6 특이값 분해: 이미지 처리, 자연어 처리, 소셜 미디어
6.1 행렬 분해
6.2 대각 행렬
6.3 공간상 선형 변환인 행렬
6.4 행렬 곱셈을 위한 세 가지 방법
6.5 큰 크림
6.6 특이값 분해의 구성 요소
6.7 특이값 분해 vs 고유값 분해
6.8 특이값 분해의 계산
6.9 유사 역행렬
6.10 이미지에 특이값 분해 적용하기
6.11 주성분 분석과 차원 축소
6.12 주성분 분석과 클러스터링
6.13 소셜 미디어에서의 응용
6.14 잠재 의미 분석
6.15 랜덤 특이값 분해
Chapter 7 자연어 처리와 금융 인공지능: 벡터화와 시계열 분석
7.1 자연어 처리 인공지능
7.2 자연어 데이터 준비하기
7.3 통계적 모델과 로그 함수
7.4 단어 수에 관한 지프의 법칙
7.5 자연어 문서의 다양한 벡터 표현
7.6 코사인 유사도
7.7 자연어 처리 애플리케이션
7.8 트랜스포머와 어텐션 모델
7.9 시계열 데이터를 위한 합성곱 신경망
7.10 시계열 데이터를 위한 순환 신경망
7.11 자연어 데이터 예제
7.12 금융 인공지능
Chapter 8 확률적 생성 모델
8.1 생성 모델은 어떤 경우에 유용한가?
8.2 생성 모델의 일반적인 수학
8.3 결정론적 사고에서 확률 이론적 사고로의 전환
8.4 최대 가능도 추정
8.5 명시적 밀도 모델과 암시적 밀도 모델
8.6 추적 가능한 명시적 밀도: 믿을 수 있는 가시적인 신경망
8.7 명시적 밀도 - 추적 가능: 변수 변환 및 비선형 독립 성분 분석
8.8 명시적 밀도 - 추적 불가능: 변분 오토인코더의 변분법을 통한 근사화
8.9 명시적 밀도 - 추적 불가능: 마르코프 체인을 통한 볼츠만 머신 근사
8.10 암시적 밀도 - 마르코프 체인: 확률적 생성 모델
8.11 암시적 밀도 - 적대적 생성 모델
8.12 예제: 머신러닝 및 생성 신경망을 활용한 고에너지 물리학
8.13 기타 생성 모델
8.14 생성 모델의 발전
8.15 확률 이론적 언어 모델링
Chapter 9 그래프 모델
9.1 그래프: 노드, 엣지, 피처
9.2 예제: 페이지 랭크 알고리즘
9.3 그래프를 사용한 역행렬 계산
9.4 케일리 그래프 그룹: 순수 대수학과 병렬 연산
9.5 그래프 내 메시지 전달
9.6 그래프의 무한한 활용
9.7 그래프에서의 랜덤 워크
9.8 노드 표현 학습
9.9 그래프 신경망의 응용
9.10 동적 그래프 모델
9.11 베이즈 네트워크
9.12 확률적 인과관계 모델링을 위한 그래프 다이어그램
9.13 그래프 이론의 간략한 역사
9.14 그래프 이론의 주요 고려 사항
9.15 그래프 알고리즘과 연산 측면
Chapter 10 운용 과학
10.1 공짜 점심은 없다
10.2 복잡도 분석과 빅오 표기법
10.3 최적화: 운용 과학의 핵심
10.4 최적화에 대한 고찰
10.5 네트워크상에서의 최적화
배송 시 유의사항
- 반디앤루니스에서 구매하신 도서는 물류 대행 위탁업체 웅진 북센을 통해 배송됩니다.
(배송 포장에 "웅진 북센"으로 표기될 수 있습니다.)
- 구매한 상품의 품질과 배송 관련 문의는 반디앤루니스로 문의 바랍니다.
- 천재지변 및 택배사의 사정에 따라 배송이 지연될 수 있습니다.
- 결제(입금) 완료 후 출판사 및 유통사의 사정으로 품절 또는 절판 되어 상품 구입이 어려울 수 있습니다. (별도 안내 예정)
- 도서산간지역의 경우 추가 배송비가 발생될 수 있습니다.
반품/교환
상품 설명에 반품/ 교환 관련한 안내가 있는 경우 그 내용을 우선으로 합니다. (업체 사정에 따라 달라질 수 있습니다)
반품/교환
-
반품/교환 반품/교환 방법 홈 > 고객센터 > 자주찾는질문 “반품/교환/환불” 안내 참고 또는 1:1상담게시판 반품/교환 가능 기간 반품,교환은 배송완료 후 7일 이내, 상품의 결함 및 계약내용과 다를 경우 문제발견 후 30일 이내에 신청가능 반품/교환 비용 변심 혹은 구매착오의 경우에만 반송료 고객 부담(별도 지정 택배사 없음) 반품/교환 불가 사유 - 소비자의 책임 사유로 상품 등이 손실 또는 훼손된 경우
- 소비자의 사용, 포장 개봉에 의해 상품 등의 가치가 현저히 감소한 경우
- 복제가 가능한 상품 등의 포장을 훼손한 경우 : 예)만화책, 잡지, 화보집 등
- 시간의 경과에 의해 재판매가 곤란한 정도로 가치가 현저히 감소한 경우
- 전자상거래등에서의 소비자보호에 관한 법률이 정하는 소비자 청약철회 제한 내용에 해당되는 경우
- 해외주문 상품(해외 원서)의 경우(파본/훼손/오발송 상품을 제외)
소비자 피해보상
환불지연에 따른 배상- 상품의 불량에 의한 반품, 교환, A/S, 환불, 품질보증 및 피해보상 등에 관한 사항은
소비자 분쟁해결 기준(공정거래위원회고시)에 준하여 처리됨 - 대금 환불 및 환불지연에 따른 배상금 지급 조건, 절차 등은 전자상거래 등에서의
소비자 보호에 관한 법률에 따라 처리함
반품/교환 주소 경기도 파주시 문발로 77, 웅진북센(반디앤루니스)
