빅데이터와 인공지능, 기계학습, 파이썬 언어 등을 체험하고, 이런 기술들을 자신의 전공 분야에 접목할 수 있도록 하는 데 중점을 둠 

알파고의 등장 이후로 인공지능에 대한 사회적인 관심이 급증하고 있으며, 4차 산업혁명의 발전으로 다양한 산업 분야에서 소프트웨어 기술과의 융합이 이루어지고 있다. 이에 따라 소프트웨어와 인공지능 기술 관련 지식은 컴퓨터공학 전공자만이 아니라 모든 사회 구성원들이 필수적으로 갖추어야 하는 기초 소양이 되었다. 이 책은 4차 산업혁명의 핵심 기술인 빅데이터와 인공지능, 기계학습, 파이썬 언어 등을 체험하게 하고, 이러한 기술들을 자신의 전공 분야에 쉽게 접목할 수 있도록 유도하는 내용으로 구성하였다. 특히 이론이나 개념은 핵심적인 내용들 중심으로 정리하였고 예제, 개념을 묻은 연습문제, 프로그래밍 문제들을 포함하여 스스로 배워 자신의 전공분야에 접목할 수 있도록 하는데 중점을 두었다.

인문·사회·예체능계열 전공자들이 소프트웨어의 기본 개념을 이해함으로써 컴퓨팅 사고를 (computational thinking) 갖출 수 있도록 구성

이 책은 인문계열이나 사회계열, 예체능 계열 등 소프트웨어와의 관련성이 높지 않은 전공자들이 소프트웨어의 기본 개념을 이해함으로써 컴퓨팅 사고(computational thinking)를 갖추게 하는 데 중점을 두었다. 이를 바탕으로 다양한 응용분야에서 활용하는데 필요한 소프트웨어와 인공지능 관련 프로그램을 배울 수 있게 되어 있다.

1장에서는 소프트웨어와 알고리즘의 개념을 설명하고, 스크래치 언어의 소개 및 이를 이용하여 간단한 프로그래밍 실습을 할 수 있게 하였다. 스크래치는 다양한 블록들을 조립하는 시각적인 방식으로 편리하게 프로그래밍을 할 수 있어 비전공자를 위한 프로그래밍 교육에 많이 활용되고 있다. 2장은 파이썬 언어의 기본적인 문법을 다루고 있다. 파이썬은 전 세계에서 가장 활발하게 사용하는 프로그래밍 언어로, 데이터분석이나 인공지능의 전문적인 도구를 사용하려면 반드시 익혀야 하는 기술이다. 스크래치와 파이썬의 실습에 같은 예제를 많이 사용하여 두 언어의 유사성과 차이점을 쉽게 판단할 수 있도록 하였다.

3장에서는 데이터분석의 개념과 필요성, 데이터분석 절차를 살펴보고 있다. 데이터분석 도구로 가장 널리 사용되는 엑셀(Excel)에서 제공하는 다양한 데이터분석 기능, 데이터 시각화와 추세선을 이용한 값의 예측, 결측값 처리 등을 다루었다. 4장에서는 기계학습의 개념과 대표적인 기계학습 알고리즘에 대해 설명하였다. 구글에서 제공하는 Teachable Machine의 기계학습 모델과 기계학습 절차를 소개하고 있다. 이를 이용하여 영상이나 음성을 인식하는 시스템을 쉽게 구축할 수 있는 실습 예제들을 실었다. 5장에서는 인공지능과 신경망, 딥러닝의 개념과 알고리즘들을 다루었다. 인공신경망을 실습할 수 있는 도구로 오렌지(Orange)를 소개하고, 이를 이용한 데이터 예측과 데이터 분류 작업에 필요한 실습 예제들을 소개했다. 비전공자도 쉽게 이해할 수 있도록 대부분의 실습 예제들이 직관적인 사용자 인터페이스와 최소한의 프로그래밍으로 구성되어 있다.

Chapter 1 소프트웨어와 스크래치 프로그래밍

1.1 소프트웨어 소개

1.2 스크래치 

1.3 변수와 연산

1.4 알고리즘

1.5 조건 구조

1.6 반복 구조

1.7 리스트

프로그래밍 실습

연습문제

프로그래밍 문제

Chapter 2 파이썬 프로그래밍

2.1 파이썬 소개

2.2 Jupyter Notebook

2.3 파이썬의 기초 문법

2.4 조건 구조

2.5 반복 구조 – while 문

2.6 반복 구조 – for 문

2.7 파이썬 자료구조

프로그래밍 실습

연습문제

프로그래밍 문제

Chapter 3 데이터 분석

3.1 데이터 분석 개요

3.2 데이터 수집

3.3 셀 참조 방식

3.4 데이터 분석을 위한 엑셀 함수

3.5 조건부 서식을 이용한 시각화

3.6 차트를 이용한 시각화

3.7 스파크라인을 이용한 시각화

3.8 추세선과 값의 예측

3.9 결측값 처리

연습문제

실습문제

Chapter 4 기계학습

4.1 기계학습의 개념

4.2 기계학습의 분류

4.3 지도 학습의 대표적 기법 소개

4.4 비지도 학습의 대표적 기법 소개

4.5 기계학습 기반의 데이터 분석을 위한 기본 단계

4.6 기계학습을 위한 파이썬 라이브러리의 이해

4.7 기계학습 수행을 위한 데이터셋의 확보

4.8 구글 Teachable Machine을 사용한 기계학습

4.9 Teachable Machine을 사용한 파이썬 프로그램 만들기

4.10 OpenCV 사용하기

4.11 Teachable Machine 모델과 OpenCV 활용 예제

4.12 가위바위보 게임 만들기

연습문제

프로그래밍 문제

Chapter 5 인공지능

5.1 인공지능 개요

5.2 인공지능 기술 분류 체계 

5.3 인공신경망의 이해

5.4 심층신경망과 딥러닝

5.5 인공신경망 활용 도구: 오렌지(Orange) 개요

5.6 인공신경망 활용 도구: 오렌지(Orange) 기본 사용법

5.7 인공신경망을 활용한 데이터 예측

5.8 심층신경망을 활용한 데이터 분류

연습문제

프로그래밍 문제

Chapter 1. 문제풀이

Chapter 2. 문제풀이

Chapter 3. 문제풀이

Chapter 4. 문제풀이

Chapter 5. 문제풀이

“인간이 사용하기에는 고급언어가 가장 편리하지만, 컴퓨터는 이를 이해할 수 없 다. 따라서 고급언어로 작성된 프로그램은 반드시 기계어로 번역한 후 컴퓨터에서 실 하여야 한다. 기계어로 번역하는 방법에 따라 컴파일러 언어와 인터프리터 언어로 나눌 수 있다. 컴파일러(compiler) 언어는 전체 프로그램을 한꺼번에 번역하여 실행 가능한 기계어로 번역한 후 이를 저장한다. 이후 그 프로그램을 실행할 때마다 저장된 기계어 프로그램을 읽어 들여 실행한다. 이와는 달리 인터프리터(interpreter) 언어는 프로그램을 명령어 단위로 번역하여 실행하며, 기계어 프로그램을 별도로 저장하지는 않는다”

조행래 

서울대학교 컴퓨터공학과(학사) 

한국과학기술원 전산학과(석사) 

한국과학기술원 전산학과(박사) 

연구 분야: 데이터베이스, 분산/병렬처리, 빅데이터, 블록체인 등 

윤종희 

경북대학교 전자전기공학부(학사) 

서울대학교 전기컴퓨터공학부(박사) 

연구 분야: 컴파일러, 소프트웨어 최적화, 시스템 보안 등 

서영석 

숭실대학교 컴퓨터학부(학사) 

한국과학기술원 전산학과(석사) 

한국과학기술원 전산학과(박사) 

연구 분야: 소프트웨어공학, 머신러닝 및 딥러닝 응용 등 

박영덕

성균관대학교 정보통신공학부 (학사) 

포항공과대학교 컴퓨터공학과 (석사) 

포항공과대학교 컴퓨터공학과 (박사) 

연구 분야: 모바일네트워킹, 무선통신, 지능형네트워킹 등