I. 서론
1. 알파고 후 2년, 성장하는 인공지능
2. 머신 러닝과 딥 러닝, 신경 회로 망
II. AI 구현의 핵심 기술, 머신 러닝
1. 머신 러닝의 역사
1) 앨런 튜링
2) 아서 사무엘
3) 톰 미첼
2. 머신 러닝의 정의와 종류
1) 머신 러닝의 정의
2) 종류
3. 머신 러닝의 기법
1) 머신 러닝 계획하기/초모수와 모델 검증
2) 특징 공학
3) 베이지안 네트워크, 나이브 베이즈 분류
4) 선형 회귀
5) 랜덤 포레스트
6) 서포트 벡터 머신
7) k-평균 군집화
8) 주성분 분석
9) 다양체 학습
III. 머신 러닝과 산업의 융합
1. 소프트웨어
1) 스팸 탐지
2) 음성 인식
2. 주식 매매
3. 의학과 헬스 케어
4. 광고
1) fackbook 광고 게재 시스템: 머신 러닝 단계
2) 타깃 마케팅을 위한 머신 러닝
5. 소매업과 전자 상거래
6. 게임 분석
7. 사물인터넷
IV. 더 똑똑한 기계 학습: 딥 러닝
1. 딥 러닝 정의 및 개요
1) 딥 러닝의 메커니즘
2. 딥 러닝 기술적 특징
1) 딥 러닝 뉴럴 네트워크의 실질적 구동 방식
2) 딥 러닝 신경 회로망
3) CNN 알고리즘
3. 딥 러닝 실 활용 사례
1) Visual AI
2) 패턴 인식과 자연어 처리
3) 인공지능
4) 기타 서비스 활용
V. 결론
VI. 부록
1. 딥 러닝 프레임 워크
1) TensorFlow
2) Microsoft CNTK(Computational Network Toolkit)
3) Facebook Torch
4) NVIDIA CUDA & cuDNN
5) Caffe
6) Theano
7) Chainer
8) Mxnet
9) Rasa NLU(Natural Language Understanding)
10) Word2vec
11) Darknet YOLO
VII. 참고자료