PART V 기계학습
CHAPTER 19 견본에서 배우는 학습 3
19.1 학습의 여러 형태 4
19.2 지도학습 6
19.3 결정 트리의 학습 11
19.4 모형 선택과 최적화 21
19.5 학습 이론 30
19.6 선형 회귀와 분류 35
19.7 비매개변수 모형 47
19.8 앙상블 학습 59
19.9 기계학습 시스템 개발 69
요약 81
참고문헌 및 역사적 참고사항 82
CHAPTER 20 확률 모형의 학습 89
20.1 통계적 학습 90
20.2 완전 데이터를 이용한 학습 93
20.3 은닉 변수가 있는 학습: EM 알고리즘 109
요약 119
참고문헌 및 역사적 참고사항 120
CHAPTER 21 심층학습 125
21.1 단순 순방향 신경망 127
21.2 심층학습을 위한 계산 그래프 133
21.3 합성곱 신경망 137
21.4 학습 알고리즘 144
21.5 일반화 148
21.6 순환 신경망 153
21.7 비지도학습과 전이학습 157
21.8 응용 165
요약 168
참고문헌 및 역사적 참고사항 168
CHAPTER 22 강화학습 173
22.1 보상 기반 학습 173
22.2 수동 강화학습 176
22.3 능동 강화학습 183
22.4 강화학습의 일반화 191
22.5 정책 검색 199
22.6 견습 학습과 역강화학습 202
22.7 강화학습의 응용 206
요약 209
참고문헌 및 역사적 참고사항 211
PART VI 의사소통, 지각, 행동
CHAPTER 23 자연어 처리 217
23.1 언어 모형 218
23.2 문법 231
23.3 파싱 233
23.4 증강 문법 240
23.5 실제 자연어의 복잡한 사항들 246
23.6 자연어 처리 과제들 250
요약 252
참고문헌 및 역사적 참고사항 25
제4판에서 새로운 점들
. 사람이 손으로 짜는 지식 공학보다는 기계학습에 좀 더 무게를 실었다. 기계학습은 가용 데이터와 컴퓨팅 자원이 증가하고 새로운 알고리즘들이 등장한 덕분에 큰 성공을 거두고 있다.
. 심층학습, 확률적 프로그래밍, 다중 에이전트 시스템을 각각 개별적인 장(챕터으로 두어서 좀 더 자세히 다룬다.
. 자연어 이해, 로봇공학, 컴퓨터 시각에 관한 장들을 심층학습이 끼친 영향을 반영해서 수정했다.
. 로봇공학 장에 사람과 상호작용하는 로봇에 관한 내용과 강화학습을 로봇공학에 적용하는 방법에 관한 내용이 추가되었다.
. 이전에는 인공지능의 목표를 사람이 구체적인 효용 정보(목적함수를 제공한다는 가정하에서 기대 효용을 최대화하려는 시스템을 만드는 것이라고 정의했다. 그러나 이번 판에서는 목적함수가 고정되어 있으며 인공지능 시스템이 목적함수를 알고 있다고 가정하지 않는다. 대신, 시스템은 자신이 봉사하는 인간의 진짜 목적이 무엇인지 확실하게 알지 못할 수 있다고 가정한다. 시스템은 반드시 자신이 무엇을 최대화할 것인지를 배워야 하며, 목적에 관해 불확실성이 존재하더라도 적절히 작동해야 한다.
. 인공지능이 사회에 미치는 영향을 좀 더 자세하게 다루었다. 여기에는 윤리, 공정성, 신뢰, 안정성에 관한 핵심적인 문제들을 고찰한다.
. 각 장 끝의 연습문제들을 온라인 사이트로 옮겼다. 덕분에 강사들의 요구와 이 분야 및 인공지능 관련 소프트웨어 도구의 발전에 맞게 연습문제들을 계속 추가, 갱신, 개선할 수 있게 되었다.
