AI (Artificial Intelligence) Curriculum - Modern Approaches

For this subject, I believe it is necessary to base the learning on the table of contents of a specific book, which is incomparable to any other curriculum. Therefore, I think it is important to introduce the table of contents of the book itself.

However, for professionals who may not have the time to study all the material, I plan to focus on and provide detailed learning for the most essential topics.


Table of Contents (Summary) 

  1. Introduction to AI
  2. Agent and Environments  ------------------------------[바로가기]
  3. Problem Solving and Search  
  4. Search
    1. Uninformed search
    2. BFS (breadth first search)
      • Uniform-cost search
      • DEpth-first search (DFS)
      • Depth-limited search
      • Iterative deepening searches (IDS)
    3. Informed Search
      • Best first search
      • A* Search
      • Heuristics 
    4. Local searches
      • Hill-climbing
      • Simulated annealing
      • Genetic algorithms (GA)
    5. CPS(Constraint Satisfactions Problems)


<최적 학습 목표>

<인공지능. 1: 현대적 접근방식(3판)>
  • CHAPTER 1 소개 1
  • CHAPTER 2 지능적 에이전트 43
    • 2.1 에이전트와 환경 44
    • 2.2 좋은 행동: 합리성 개념 46
    • 2.3 환경의 본성 51
    • 2.4 에이전트의 구조 58
  • CHAPTER 3 검색을 통한 문제 해결 79
    • 3.1 문제 해결 에이전트 80
    • 3.2 문제의 예 86
    • 3.3 해답의 검색 92
    • 3.4 정보 없는 검색 전략 99
    • 3.5 정보 있는(발견법적) 검색 전략들 112
    • 3.6 발견법적 함수 124
  • CHAPTER 4 고급 검색 기법 147
    • 4.1 국소 검색 알고리즘과 최적화 문제 148
    • 4.2 연속 공간의 국소 검색 158
    • 4.3 비결정론적 동작들을 수반한 검색 162
    • 4.4 부분 관찰 가능 환경의 검색 168
    • 4.5 온라인 검색 에이전트와 미지 환경 178
  • CHAPTER 5 대항 검색 195
    • 5.1 게임 195
    • 5.2 게임의 최적 결정 198
    • 5.3 알파베타 가지치기 202
    • 5.4 불완전한 실시간 결정 207
    • 5.5 확률론적 게임 214
    • 5.6 부분 관찰 가능 게임 218
    • 5.7 최고 수준의 게임 플레이 프로그램들 224
    • 5.8 대안 접근방식들 227
  • CHAPTER 6 제약 만족 문제 245
    • 6.1 제약 만족 문제의 정의 246
    • 6.2 제약 전파: CSP의 추리 252
    • 6.3 CSP를 위한 역추적 검색 260
    • 6.4 CSP를 위한 국소 검색 267
    • 6.5 문제의 구조 269
  • CHAPTER 7 논리적 에이전트 285
    • 7.1 지식 기반 에이전트 286
    • 7.2 웜푸스 세계 288
    • 7.3 논리 292
    • 7.4 명제 논리: 아주 간단한 논리 296
    • 7.5 명제 정리 증명 303
    • 7.6 효과적인 명제 모형 점검 316
    • 7.7 명제 논리에 기초한 에이전트 322
  • CHAPTER 8 1차 논리 347
    • 8.1 표현의 재고찰 348
    • 8.2 1차 논리의 구문과 의미론 353
    • 8.3 1차 논리의 활용 366
    • 8.4 1차 논리의 지식 공학 374
  • CHAPTER 9 1차 논리의 추리 393
    • 9.1 명제 추리 대 1차 추리 394
    • 9.2 단일화와 승격 397
    • 9.3 전방 연쇄 403
    • 9.4 후방 연쇄 412
    • 9.5 분해 421
  • CHAPTER 10 고전적 계획 수립 447
    • 10.1 고전적 계획 수립의 정의 448
    • 10.2 상태 공간 검색으로서의 계획 수립을 위한 알고리즘 455
    • 10.3 계획 수립 그래프 463
    • 10.4 그밖의 고전적 계획 수립 접근방식 472
    • 10.5 계획 수립 접근방식들의 분석 478
  • CHAPTER 11 실세계에서의 계획 수립과 실행 489
    • 11.1 시간, 일정, 자원 490
    • 11.2 계통적 계획 수립 495
    • 11.3 비결정론적 정의역에서의 계획 수립과 실행 506
    • 11.4 다중 에이전트 계획 수립 518
  • CHAPTER 12 지식 표현 533
    • 12.1 존재론 공학 534
    • 12.2 범주와 객체 536
    • 12.3 사건 544
    • 12.4 정신적 사건과 정신적 객체 550
    • 12.5 범주에 대한 추론 시스템 554
    • 12.6 기본 정보를 이용한 추론 560
    • 12.7 인터넷 쇼핑 세계 565

<인공지능. 2: 현대적 접근방식(3판) 목차>
  • CHAPTER 13 불확실성의 정량화 1
    • 13.1 불확실성하에서의 행동 1
    • 13.2 기본적인 확률 표기법 6
    • 13.3 완전 결합 분포를 이용한 추리 14
    • 13.4 독립성 18
    • 13.5 베이즈 규칙과 그 용법 20
    • 13.6 웜푸스 세계의 재고찰 25
  • CHAPTER 14 확률적 추론 39
    • 14.1 불확실한 정의역의 지식 표현 40
    • 14.2 베이즈망의 의미론 43
    • 14.3 조건부 확률분포의 효율적 표현 49
    • 14.4 베이즈망의 정확한 추리 54
    • 14.5 베이즈망의 근사적 추리 63
    • 14.6 관계적 확률 모형과 1차 확률 모형 74
    • 14.7 불확실한 추론에 대한 다른 접근방식들 82
  • CHAPTER 15 시간에 따른 확률적 추론 105
    • 15.1 시간과 불확실성 106
    • 15.2 시간적 모형에서의 추리 111
    • 15.3 은닉 마르코프 모형 120
    • 15.4 칼만 필터 127
    • 15.5 동적 베이즈망 135
    • 15.6 다수의 객체를 추적 145
  • CHAPTER 16 간단한 의사결정 159
    • 16.1 불확실성하에서의 믿음과 욕구의 결합 160
    • 16.2 효용이론의 기초 161
    • 16.3 효용 함수 165
    • 16.4 다중 특성 효용 함수 174
    • 16.5 의사결정망 179
    • 16.6 정보의 가치 182
    • 16.7 결정이론적 전문가 시스템 187
  • CHAPTER 17 복잡한 의사결정 203
    • 17.1 순차적 의사결정 문제 204
    • 17.2 평가치 반복 211
    • 17.3 방침 반복 216
    • 17.4 부분 관찰 가능 MDP 218
    • 17.5 다중 에이전트 의사결정: 게임이론 228
    • 17.6 메커니즘 설계 244
  • CHAPTER 18 견본을 통한 학습 261
    • 18.1 학습의 여러 형태 262
    • 18.2 감독 학습 264
    • 18.3 의사결정 트리의 학습 267
    • 18.4 최고의 가설의 평가와 선택 279
    • 18.5 학습 이론 286
    • 18.6 선형 모형을 이용한 회귀와 분류 291
    • 18.7 인공 신경망 302
    • 18.8 비매개변수적 모형 313
    • 18.9 지지 벡터 기계 321
    • 18.10 앙상블 학습 326
    • 18.11 실용적인 기계 학습 331
  • CHAPTER 19 학습과 지식 349
    • 19.1 학습의 논리적 형식화 349
    • 19.2 학습에서의 지식 359
    • 19.3 설명 기반 학습 363
    • 19.4 유관성 정보를 이용한 학습 368
    • 19.5 귀납적 논리 프로그래밍 372
  • CHAPTER 20 확률 모형의 학습 389
    • 20.1 통계적 학습 390
    • 20.2 완전 자료를 이용한 학습 393
    • 20.3 숨겨진 변수들이 있는 학습: EM 알고리즘 406
  • CHAPTER 21 강화 학습 423
    • 21.1 소개 423
    • 21.2 수동 강화 학습 425
    • 21.3 능동 강화 학습 433
    • 21.4 강화 학습의 일반화 440
    • 21.5 방침 검색 443
    • 21.6 강화 학습의 응용 446
  • CHAPTER 22 자연어 처리 457
    • 22.1 언어 모형 458
    • 22.2 텍스트 분류 463
    • 22.3 정보 조회 466
    • 22.4 정보 추출 473
  • CHAPTER 23 자연어 의사소통 491
    • 23.1 구 구조 문법 492
    • 23.2 구문 분석(파싱) 496
    • 23.3 증강 문법과 의미론적 해석 502
    • 23.4 기계 번역 513
    • 23.5 음성 인식 520
  • CHAPTER 24 지각 539
    • 24.1 영상 형성 541
    • 24.2 초기 영상 처리 연산들 547
    • 24.3 겉보기를 이용한 물체 인식 555
    • 24.4 3차원 세계의 재구축 560
    • 24.5 구조적 정보로부터 물체 인식 572
    • 24.6 시각의 활용 576
  • CHAPTER 25 로봇공학 589
    • 25.1 소개 589
    • 25.2 로봇 하드웨어 592
    • 25.3 로봇 지각 598
    • 25.4 운동 계획의 수립 606
    • 25.5 불확실한 운동의 계획 614
    • 25.6 운동의 실행 618
    • 25.7 로봇공학 소프트웨어 구조 625
    • 25.8 응용 영역들 628
  • CHAPTER 26 철학적 토대 645
    • 26.1 약 인공지능: 기계가 지능적으로 행동할 수 있는가? 646
    • 26.2 강 인공지능: 기계가 정말로 생각할 수 있는가? 653
    • 26.3 인공지능 개발의 윤리와 위험 662
  • CHAPTER 27 인공지능의 현재와 미래 677
    • 27.1 에이전트의 구성요소들 678
    • 27.2 에이전트 아키텍처 681
    • 27.3 인공지능 연구의 올바른 방향 683
    • 27.4 인공지능이 정말로 성공한다면? 685

reference) 인공지능 현대적 접근 방식 1,2

Comments

Popular posts from this blog

[MaritimeCyberTrend] Relationship and prospects between U.S. Chinese maritime operations and maritime cybersecurity

Examining the Reality of Cyber Incidents and the Shortfalls in Compliance Frameworks

Comprehensive List of Shipboard Systems in Commercial Vessels