우리는 왜 데이터에 관심을 가져야 할까? 데이터야말로 세상을 이해하고 미래를 들여다 볼 수 있게 해 주
는 중요한 정보를 담고 있고 이러한 정보를 바탕으로 우리는 일상 생활에서의 의사결정에 있어 합리적인 판단
을 할 수 있기 때문이다.

그런데 데이터가 세상을 이해하는 데 좋은 재료이기는 하지만 데이터 분석 과정을 거치지 않고서는 데이터
를 우리가 필요한 정보로 가공할 수는 없다. 아무리 좋은 식재료라도 좋은 레시피를 따라 조리하거나 뛰어난
셰프의 손을 거치지 않으면 맛과 영양이 담긴 음식으로 탄생할 수 없는 것처럼...

데이터를 분석하여 정보를 뽑아내는 일도 마찬가지이다. 사실 간단하게 표나 차트를 만드는 일조차 쉽지는
않은데 하물며 어려운 분석 작업들은 전문가의 손을 거치지 않으면 안 되는 일이라서 우리는 왕왕 데이터 분
석을 전문가들의 손에 맡기곤 하여 왔다. 이렇게 데이터 분석은 전문가에게 맡기는 일이었지 일반인들이 도전
해 보려는 엄두조차 내기 어려운 영역이었던 것이 사실이다.

최소한 챗GPT가 등장하기 전까지는.....

챗GPT의 등장은 일반인들도 회사 생활이나 경제생활에서 접하게 되는 데이터로부터 자신들이 원하는 정
보를 알아내는 일을 아주 쉽게 할 수 있는 신세계를 열어 주었다, 이제는 누구라도 쉽게 접근할 수 있는 챗GPT
를 활용함으로써 전문가의 손을 빌리지 않더라도 얼마든지 데이터 분석의 혜택을 누릴 수 있게 된 것이다.

지하철에서 또는 버스에서 가벼운 마음으로 이 책을 읽어 봄으로써 다양한 실생활 데이터를 분석을 하는
데 어떻게 챗GPT를 사용할 수 있는지 이 책의 독자들은 쉽게 알 수 있게 될 것이다. 이제 더 이상 “ㅇㅇ조사방
법론”, “ㅇㅇ Data Analysis”와 같은 어려운 책을 읽지 않아도 누구나 전문가 수준의 데이터 분석이 가능해질 것
이며 회사 생활이나 경제생활에서 접하게 되는 다양한 데이터를 챗GPT를 이용해서 자유롭게 분석할 수 있게
될 것임을 우리 저자들은 확신한다.

여러분의 생활 데이터 분석 여정에 챗GPT가 강력한 도구가 되기를 바라며...

1부 생활 데이터 분석

데이터 분석과 챗GPT 8
데이터 가공하기 20
데이터 파일 합치기 40
데이터 필터링하기 55
분류데이터 빈도를 표로 표시하기 72
분류데이터 빈도를 시각화하기 89
수치데이터 빈도를 표로 표시하기 105
수치데이터 빈도를 시각화하기 118
수치데이터 통계를 표로 표시하기 131
수치데이터 통계를 시각화하기 144
수치데이터 분포와 추세를 시각화하기 157
수치데이터에 영향을 주는 변수들 탐색하기 175
분류데이터에 영향을 주는 변수들 탐색하기 186
데이터 유사성에 따라 집단 나누기 198
결과/행동을 결정하는 데이터 패턴 파악하기 210
데이터 패턴에 따라 결과/행동 예측하기 223
미래를 들여다 보기 232

2부 챗GPT 기술의 이해와 응용

1장 챗GPT 기술 개요 248
1.1절 서론: 챗GPT와 AI 시대의 새로운 지평 248
1.1.1 AI 새 지평의 출발, OpenAI와 챗GPT의 탄생 248
1.1.2 챗GPT, 우리 시대의 AI 혁명 249
1.1.3 챗GPT 학습의 지도: 사전학습부터 강화학습까지 249
1.1.4 트랜스포머: AI 혁신의 동력 249
1.1.5 AI, 전문가에서 다재다능한 파트너로 250
1.2절 강화학습: 현실적인 응용을 향한 전략적 전환 251
1.2.1 강화학습의 본질과 한계: 딥마인드의 알파고에서 챗GPT의 RLHF까지 251
1.2.2 챗GPT의 강화학습 활용 방식: RLHF를 위한 전략적 활용 251
1.2.3 결론: 강화학습의 전략적 가치 252
1.3절 대규모 언어 모델의 예측 능력: 근본적인 현실 이해의 핵심 253
1.3.1 대규모 언어 모델의 본질 253
1.3.2 토큰 예측: 단순한 작업이 갖는 깊은 의미 253
1.3.3 데이터와 예측의 상관관계 253
1.3.4 대규모 언어 모델이 형성하는 유의미한 상태 표현 254
1.3.5 결론: 예측의 미학과 기능 254
1.4절 언어와 지식의 계승: 인류의 여정과 AI의 발전 255
1.4.1 언어: 인류 지식의 통로 255
1.4.2 지능의 언어 의존성과 계승 255
1.4.3 AI와의 협력: 지능 확장을 위한 언어 활용 255
1.4.4 결론: AI와 지식의 연속성 256
1.5절 챗GPT의 작동 원리: 세 단계 통합 학습 257
1.5.1 첫 번째 단계: Supervised Fine-Tuning (SFT) 257
1.5.2 두 번째 단계: Reward Model (RM) 학습 258
1.5.3 세 번째 단계: Proximal Policy Optimization(PPO)을 통한 강화학습 260
1.6절 미래 전망과 가능성 262
1.6.1 챗GPT와 제어 이론의 시너지 262
1.6.2 단계별로 검증하기 263
1.6.3 결론: AI의 기술적 전환기와 미래 전망 264

2장 커스텀 GPTs 266
2.1절 AI 챗봇의 혁신과 커스텀 GPTs의 부상 266
2.1.1 ChatGPT의 등장과 한계 266
2.1.2 커스텀 GPTs의 필요성 267
2.1.3 기술적 진보 267
2.2절 GPTs란 무엇인가? 268
2.3절 커스텀 GPTs 구축 방법: 단계별 가이드 269
2.4절 GPTs 활용 사례 #1 (토론 AI) 271
2.5절 Actions 개요와 GPTs 활용 사례 276
2.6절 GPTs와 Assistants의 비교 284

3장 Assistants API 285
3.1절 어시스턴트 애플리케이션 구성 요소 290
3.2절 어시스턴트의 도구 301
3.2.1 코드 인터프리터 (Code Interpreter) 301
3.1.2 파일 검색 (File Search) 310
3.1.3 함수 호출 (Function Calling) 317

4장 AI 챗봇의 새로운 지평 326
4.1절 배경 326
4.2절 AI 소프트웨어 엔지니어의 등장 329
4.2.1 Pythagora 329
4.2.2 GPT Engineer APP 348

색 인 354