일상생활의 거의 모든 일에 AI가 파고들면서 AI 엔지니어에 대한 수요는 점점 더 늘어나고 있습니다. 이 책은 기존 IT 관련 실무자가 AI 엔지니어로 이직하고 싶거나, 학생이나 비전공학과 출신이 AI 엔지니어로 취업하는데 필요한 다양한 정보들을 알려줍니다. 또한, AI 엔지니어가 되고 싶은 분은 물론, AI 엔지니어 육성에 필요한 핵심을 알고 싶은 분이나, 앞으로 AI 시스템을 개발하고 싶은 기획자, 사업자 등 엔지니어 이외의 독자에게도 도움이 되도록 ‘AI 엔지니어의 기본 중의 기본’부터 설명했습니다.
1장 AI 업계의 현 상황과 기초 지식01 폭넓게 쓰이는 AI02 기업의 AI 도입 동향03 AI 인재의 수요2장 AI 엔지니어의 업무와 체계04 AI 엔지니어는 어떤 사람일까?05 AI 엔지니어와 관여하는 사람들06 AI 시스템 개발의 전체상 파악07 PM의 업무와 역할 08 자체 개발과 위탁 개발09 AI 시스템의 두뇌10 AI 모델의 생성과 프로그래밍11 AI 시스템 도입 사례3장 AI 엔지니어의 구인 상황과 일하는 방법12 AI 엔지니어의 이직 시장13 AI 엔지니어의 노동 조건14 AI 엔지니어의 학력과 연령대15 AI 엔지니어의 하루 CASE 116 AI 엔지니어의 하루 CASE 217 AI 엔지니어의 하루 CASE 318 AI 엔지니어의 업무란 -총괄-4장 AI 엔지니어가 되려면?19 AI 엔지니어에게 필요한 기술20 AI 기술에 필요한 기초 지식21 AI 프로그래밍을 시작하는 법22 애플리케이션 개발 기술23 AI 엔지니어에게 필요한 자격증은?24 AI 엔지니어가 되려면 ~학생 편~25 AI 엔지니어가 되려면 ~IT 엔지니어 편~26 AI 엔지니어가 되려면 ~비전공 IT 엔지니어 편~5장 AI 시스템의 개요27 AI 시스템이란?28 AI 시스템 개발의 흐름29 AI 시스템에 무슨 일을 시킬지를 결정한다30 AI 모델의 학습31 AI 모델의 검증과 평가32 데이터 취급 방법을 고려하다33 시스템의 규모를 검토하다34 AI 시스템 구축에 필요한 것6장 AI 모델의 구축과 PoC35 PoC의 중요성36 AI 모델 시제품에서 ‘무엇을’ 분석할 것인가?37 데이터 수집 시 주의해야 할 사항38 AI 모델에서 사용하는 알고리즘을 검토한다①지도 학습39 AI 모델에서 사용하는 알고리즘을 검토한다②비지도학습40 AI 모델에서 사용하는 알고리즘을 검토한다③앙상블 학습41 AI 모델에서 사용하는 알고리즘을 검토한다④딥러닝42 AI 모델 성능 검증하기43 AI 모델 성능 평가하기44 너무 높은 정확도는 과학습을 의심해야 한다45 데이터가 적은 경우7장 AI 시스템을 만들다46 PoC 종료 후 제품화까지의 흐름47 PoC에서 만든 AI 모델을 실전에 맞게 개선하기48 AI 시스템 구축하기49 AI 시스템 테스트하기50 AI 모델 업데이트 방법 알아보기8장 AI 시스템의 운용51 시스템 운용52 AI 시스템 모니터링으로 이상 유무 확인하기53 AI 모델 업데이트54 AI 시스템이 잘 못하는 부분은 사람이 보완한다9장 AI 엔지니어가 되었다면55 꾸준히 경험을 쌓자56 이상적 데이터와 현실적 데이터 파악하기57 대규모 데이터를 다루려면 인프라에 대한 지식이 필수58 고객의 기대치 조정하기59 비즈니스 스킬을 습득한다60 최첨단 기술이기 때문에 계속 공부해야 한다61 스텝 업을 위해
