세상이 변화하고 시대가 발전하고 기술이 진보하면서, 낯설고 멀게만 느껴졌던 인공지능과 머신러닝은 나와 가장 친숙한 일상 곳곳에 자리잡게 되었습니다. 교육, 금융, 가전, 산업, 식품 등 기술과는 전혀 관련이 없어 보였던 많은 분야에 인공지능과 머신러닝이 접목되기 시작하면서, 살면서 내가 전혀 접할 일이 없다고 생각했던 기술 서적을 읽거나 살면서 내가 전혀 쓸 일이 없다고 생각했던 기술적인 보고서나 논문을 써야 하는 일들을 처음 겪게 되신 분들도 그 변화의 속도만큼 많아졌을 것이라고 생각합니다.

필자는 문과 출신으로 경제학을 전공하였으나 이공계로의 직무 전환을 통해 개발자가 되었고, 삼성전자에서 2년 넘게 빅스비 엔진을 개발하는 시스템 개발자로 근무한 바 있습니다. 필자 스스로가 코딩의 C도 모르는 바로 그 뼛속까지 문과생이었던 사람이었고, 대부분의 문과생 분들이 기술적인 내용을 공부하는 과정에서 대충 무슨 의미인지 전체적인 감은 오지만 명쾌하게 이해되지 않아서 답답한 그 기분을 누구보다 잘 알고 있기에, 인공지능과 머신러닝을 힘겹게 공부하고 있는 비전공자 분들께 도움을 드리고자 이 책을 집필하게 되었습니다.

이 책은 이해와 설명의 효율을 극대화하고자, 수식의 사용을 최대한 지양하고 누구든지 일상에서 친숙하게 접할 수 있는 사례를 비유적으로 제시하여 이야기처럼 풀어서 머신러닝을 설명하는 데 그 목적을 두었습니다. 이 책이 어쩔 수 없이 머신러닝을 공부해야만 하는 상황에 놓인 수많은 문과생 분들의 기술에 대한 심리적 장벽을 조금이라도 낮출 수 있기를 진심으로 바랍니다.

1. 인공지능, 머신러닝, 딥러닝의 개념과 관계
2. 머신러닝의 절차: 기계의 배움에도 순서가 있다
3. 머신러닝의 방법론

4. 딥러닝의 이해
4.1. 알고리즘의 개념
4.2. 딥러닝의 개념
4.3. 딥러닝의 예시: 과자 공장
4.4. 딥러닝의 강점: 규칙이 없는 데이터 다루기

5. 자연어 처리
5.1. 자연어의 개념
5.2. 자연어 처리의 개념
5.3. 자연어 처리의 활용 분야

6. 지도학습 알고리즘의 이해: 분류 분석
6.1. 분류 분석의 특성
6.2. 나이브 베이지안: 스팸 메일에 쓰이는 흔한 제목
6.3. 의사 결정 나무: 어느 교실의 스무고개
6.4. 랜덤 포레스트: 다수결로 하는 스무고개
6.5. K-최근접 이웃: 좋아하는 계절 알아내기
6.6 서포트 벡터 머신: 체육시간의 축구파와 농구파

7. 비지도학습 알고리즘의 이해: 군집 분석
7.1. 군집 분석의 특성
7.2. 군집 분석의 두 가지 방법: 어느 교실의 조 짜기
7.3. 계층적 군집 분석
7.4. 계층적이지 않은 군집 분석

8. 반지도학습의 이해
8.1 반지도학습의 개념
8.2. 반지도학습의 특징
8.3. 반지도학습의 방법: 미술부와 성악부 나누기
8.4. SGAN 알고리즘: 베낀 숙제 잡아내기
8.5. 반지도학습의 사례

9. 강화 학습의 이해
9.1. 강화 학습의 개념
9.2. 강화 학습의 예시
9.3. 마르코프 결정 과정

10. 탐색과 최적화 알고리즘: 최단 경로 찾기
10.1. 탐색과 최적화
10.2. 탐욕 알고리즘
10.3. 다익스트라 알고리즘

11. 머신러닝 이전의 인공지능
11.1. 규칙 기반 인공지능
11.2. 규칙 기반 학습의 특징