2024년 07월 31일 출간 | ISBN : 1161758593 | 826쪽

저자 : 마이켈 J. 코첸더퍼 (Mykel J. Kochenderfer) 스탠퍼드 대학교의 부교수이며, 스탠퍼드 인텔리전트 시스템 연구실(SISL, Stanford Intelligent Systems Laboratory)의 임원이다. 『Decision Making Under Uncertainty』(MIT Press, 2015)의 저자이기도 하다. 저자 : 팀 A. 윌러 (Tim A. Wheeler) 베이 에어리어(Bay Area)에서 자율성, 제어, 의사결정 시스템에 관심을 갖고 소프트웨어 엔지니어로 일한다. 코첸더퍼와 윌러는 『실용 최적화 알고리즘』(에이콘, 2020)의 공동 저자다. 저자 : 카일 H. 레이 (Kyle H. Wray) 실제 세계 로봇에 대한 의사결정 시스템을 설계하고 구현하는 연구원이다. 역자 : 이병욱 서울과학종합대학원 주임교수 한국과학기술원(KAIST) 겸직교수 한국금융연수원 겸임교수 인공지능연구원(AIRI) 부사장 - 금융위원회 금융규제혁신회의 위원 - 금융위원회 법령해석심의위원회 위원 - 금융위원회 적극행정위원회 위원 - 금융위원회 가상자산 자문위원 - 금융정보분석원 '특금법 후속조치를 위한 TF' 위원 - 한국산업기술진흥원(KIAT) ‘규제자유특구 분과위원회’ 위원 - 과기정통부 우정사업본부 정보센터 네트워크 & 블록체인 자문위원 전) BNP 파리바 카디프 전무 전) 삼성생명 마케팅 개발 수석 전) 보험넷 Founder & CEO 전) LG전자 연구원 서울과학종합대학원 AIㆍ전략경영 주임교수와 한국과학기술원(KAIST) 겸직교수를 맡고 있으며, 한국금융연수원 겸임교수와 함께 인공지능연구원(AIRI, AI Research Institute)의 부사장으로도 재직 중이다. 한국과학기술원 전산학과 계산 이론 연구실에서 공부했으며 공학을 전공한 금융 전문가로, 세계 최초의 핸드헬드-PC(Handheld-PC) 개발에 참여해 한글 윈도우 CE 1.0과 2.0을 미국 마이크로소프트 본사에서 공동 개발했다. 1999년에는 전 보험사 보험료 실시간 비교 서비스를 제공하는 핀테크 전문회사 ㈜보험넷을 창업해 업계에 큰 반향을 불러일으켰다. 이후 삼성생명을 비롯한 생명 보험사 및 손해 보험사에서 마케팅 총괄 상무(CMO, Chief Marketing Officer), 영업 및 마케팅 총괄 전무(CSMO, Chief Social Media Officer) 등을 역임하면서 혁신적인 상품과 서비스를 개발, 총괄했다. 인공지능연구원에서 머신러닝 기반의 금융 솔루션 개발에 관련된 다양한 활동을 하고 있으며, 금융위원회, 금융정보분석원 등에 다양한 자문을 하고 있다. 저서로는 2022년 문체부 세종도서로 선정된 『돈의 정체』(에이콘, 2021)와 함께 『비트코인과 블록체인, 탐욕이 삼켜버린 기술』(에이콘, 2018), 대한민국학술원이 2019 교육부 우수학술도서로 선정한 『블록체인 해설서』(에이콘, 2019) 그리고 한국금융연수원의 핀테크 전문 교재인 『헬로, 핀테크!』(공저, 2020), 『헬로, 핀테크! - 인공지능 편』(2021)이 있다.

1장. 서론 1.1 의사결정 1.2 응용 1.2.1 항공기 충돌 회피 1.2.2 자율주행 1.2.3 유방암 검진 1.2.4 금융 소비 및 포트폴리오 배분 1.2.5 분산 산불 감시 1.2.6 화성 과학 탐사 1.3 방법 1.3.1 명시적 프로그래밍 1.3.2 지도 학습 1.3.3 최적화 1.3.4 계획 1.3.5 강화학습 1.4 연혁 1.4.1 경제학 1.4.2 심리학 1.4.3 신경과학 1.4.4 컴퓨터과학 1.4.5 공학 1.4.6 수학 1.4.7 운용 과학 1.5 사회적 영향 1.6 개요 1.6.1 확률적 추론 1.6.2 순차적 문제 1.6.3 모델 불확실성 1.6.4 상태 불확실성 1.6.5 다중 에이전트 시스템 1부. 확률적 추론 2장. 표현식 2.1 신뢰와 확률의 정도 2.2 확률 분포 2.2.1 이산 확률 분포 2.2.2 연속 확률 분포 2.3 결합 분포 2.3.1 이산 결합 분포 2.3.2 연속 결합 분포 2.4 조건부 분포 2.4.1 이산 조건부 모델 2.4.2 조건부 가우스 모델 2.4.3 선형 가우스 모델 2.4.4 조건부 선형 가우스 모델 2.4.5 시그모이드 모델 2.4.6 결정론적 변수 2.5 베이즈 네트워크 2.6 조건부 독립 2.7 요약 2.8 연습 문제 3장. 추론 3.1 베이즈 네트워크에서의 추론 3.2 나이브 베이즈 모델에서의 추론 3.3 합-곱 변수 제거 3.4 신뢰 전파 3.5 계산 복잡도 3.6 직접 샘플링 3.7 우도 가중 샘플링 3.8 깁스 샘플링 3.9 가우시안 모델의 추론 3.10 요약 3.11 연습 문제 4장. 매개 변수 학습 4.1 최대 우도 매개 변수 학습 4.1.1 범주형 분포에 대한 최대 우도 추정 4.1.2 가우스 분포에 대한 최대 우도 추정 4.1.3 베이지안 네트워크에 대한 최대 우도 추정 4.2 베이지안 매개 변수 학습 4.2.1 이진 분포를 위한 베이지안 학습 4.2.2 범주형 분포에서 베이지안 학습 4.3 비매개 변수적 학습 4.4 누락된 데이터로 학습 4.4.1 결측치 처리 4.4.2 기댓값 최대화 4.5 요약 4.6 연습 문제 5장. 구조 학습 5.1 베이지안 네트워크 스코어링 5.2 방향성 그래프 검색 5.3 마르코프 등가 부류 5.4 부분 방향성 그래프 검색 5.5 요약 5.6 연습 문제 6장. 단순 결정 6.1 합리적 선호에 대한 제약 6.2 효용 함수 6.3 효용 도출 6.4 최대 기대 효용 원리 6.5 의사결정 네트워크 6.6 정보의 가치 6.7 비합리성 6.8 요약 6.9 연습 문제 2부. 순차 문제 7장. 정확한 해 방법 7.1 MDP 7.2 정책 평가 7.3 가치 함수 정책 7.4 정책 반복 7.5 가치 반복 7.6 비동기 가치 반복 7.7 선형 프로그램 공식화 7.8 2차 보상 선형 시스템 7.9 요약 7.10 연습 문제 8장. 근사 가치 함수 8.1 매개 변수적 표현 8.2 최근접 이웃 8.3 커널 평활화 8.4 선형 보간 8.5 심플렉스 보간 8.6 선형 회귀 8.7 신경망 회귀 8.8 요약 8.9 연습 문제 9장. 온라인 계획 9.1 후향적 기간 계획 9.2 롤아웃을 활용한 예측 9.3 순방향 검색 9.4 분기 및 제한 9.5 희소 샘플링 9.6 몬테 카를로 트리 검색 9.7 휴리스틱 검색 9.8 레이블된 휴리스틱 검색 9.9 개방 루프 계획 9.9.1 결정론적 모델 예측 제어 9.9.2 안정적 모델 예측 제어 9.9.3 다중 예상 모델 예측 제어 9.10 요약 9.11 연습 문제 10장. 정책 검색 10.1 근사 정책 평가 10.2 지역 검색 10.3 유전자 알고리듬 10.4 교차 엔트로피 방법 10.5 진화 전략 10.6 등방성 진화 전략 10.7 요약 10.8 연습 문제 11장. 정책 그래디언트 추정 11.1 유한 차분 11.2 회귀 그래디언트 11.3 우도 비율 11.4 리워드 투 고 11.5 기준선 차감 11.6 요약 11.7 연습 문제 12장. 정책 그래디언트 최적화 12.1 그래디언트 상승 갱신 12.2 제한된 그래디언트 갱신 12.3 자연 그래디언트 갱신 12.4 신뢰 영역 갱신 12.5 클램프된 대리 목적 함수 12.6 요약 12.7 연습 문제 13장. 액터-크리틱 기법 13.1 액터-크리틱 13.2 일반화된 어드밴티지 추정 13.3 결정론적 정책 그래디언트 13.4 몬테 카를로 트리 검색을 사용한 액터-크리틱 13.5 요약 13.6 연습 문제 14장. 정책 검증 14.1 성능 척도 평가 14.2 희귀 사건 시뮬레이션 14.3 견고성 분석 14.4 거래 분석 14.5 적대적 분석 14.6 요약 14.7 연습 문제 3부. 모델 불확실성 15장. 탐색과 활용 15.1 강도 문제 15.2 베이지안 모델 추정 15.3 무방향 탐색 전략 15.4 방향 탐색 전략 15.5 최적 탐색 전략 15.6 여러 상태로 탐색 15.7 요약 15.8 연습 문제 16장. 모델 기반 기법 16.1 최대 우도 모델 16.2 갱신 체계 16.2.1 전체 갱신 16.2.2 무작위 갱신 16.2.3 우선 갱신 16.3 탐색 16.4 베이지안 기법 16.5 베이즈-적응-마르코프 결정 프로세스 16.6 사후 샘플링 16.7 요약 16.8 연습 문제 17장. 비모델 기법 17.1 평균 증분 추정 17.2 Q-러닝 17.3 Sarsa 17.4 자격 추적 17.5 보상 형성 17.6 행동 가치 함수 근사 17.7 경험 재생 17.8 요약 17.9 연습 문제 18장. 모방 학습 18.1 행동 복제 18.2 데이터셋 집계 18.3 확률적 혼합 반복 학습 18.4 최대 마진 역강화학습 18.5 최대 엔트로피 역강화학습 18.6 생성적 적대 모방 학습 18.7 요약 18.8 연습 문제 4부. 상태 불확실성 19장. 신뢰 19.1 신뢰 초기화 19.2 이산 상태 필터 19.3 칼만 필터 19.4 확장 칼만 필터 19.5 무향 칼만 필터 19.6 입자 필터 19.7 입자 주입 19.8 요약 19.9 연습 문제 20장. 정확한 신뢰-상태 계획 20.1 신뢰-상태 마르코프 결정 프로세스 20.2 조건부 계획 20.3 알파 벡터 20.4 가지치기 20.5 가치 반복 20.6 선형 정책 20.7 요약 20.8 연습 문제 21장. 오프라인 신뢰-상태 계획 21.1 완전히 관찰 가능한 가치 근사 21.2 빠른 정보 범위 21.3 빠른 하한 21.4 점 기반 가치 반복 21.5 무작위 점 기반 가치 반복 21.6 톱니 상한 21.7 점 선택 21.8 톱니 휴리스틱 검색 21.9 삼각 분할 함수 21.10 요약 21.11 연습 문제 22장. 온라인 신뢰-상태 계획 22.1 롤아웃을 통한 예측 22.2 순방향 검색 22.3 분기 및 제한 22.4 희소 샘플링 22.5 몬테 카를로 트리 검색 22.6 결정된 희소 트리 검색 22.7 갭 휴리스틱 검색 22.8 요약 22.9 연습 문제 23장. 컨트롤러 추상화 23.1 컨트롤러 23.2 정책 반복 23.3 비선형 프로그래밍 23.4 그래디언트 상승 23.5 요약 23.6 연습 문제 5부. 다중 에이전트 시스템 24장. 다중 에이전트 추론 24.1 단순 게임 24.2 대응 모델 24.2.1 최선의 대응 24.2.2 소프트맥스 대응 24.3 우월 전략 균형 24.4 내시 균형 24.5 상관 균형 24.6 반복 최상 대응 24.7 계층적 소프트맥스 24.8 가상 플레이 24.9 그래디언트 상승 24.10 요약 24.11 연습 문제 25장. 순차적 문제 25.1 마르코프 게임 25.2 대응 모델 25.2.1 최상 대응 25.2.2 소프트맥스 대응 25.3 내시 균형 25.4 가상 플레이 25.5 그래디언트 상승 25.6 내시 Q-러닝 25.7 요약 25.8 연습 문제 26장. 상태 불확실성 26.1 부분 관찰 가능 마르코프 게임 26.2 정책 평가 26.2.1 조건부 계획 평가 26.2.2 확률적 컨트롤러 평가 26.3 내시 균형 26.4 동적 프로그래밍 26.5 요약 26.6 연습 문제 27장. 협업 에이전트 27.1 부분적으로 관찰 가능한 분산형 마르코프 결정 프로세스 27.2 하위 부류 27.3 동적 프로그래밍 27.4 반복 최상 응답 27.5 휴리스틱 검색 27.6 비선형 계획법 27.7 요약 27.8 연습 문제 부록 부록 A. 수학적 개념 A.1 측도 공간 A.2 확률 공간 A.3 측도 공간 A.4 노름 벡터 공간 A.5 양의 정부호 A.6 볼록성 A.7 정보 내용 A.8 엔트로피 A.9 교차 엔트로피 A.10 상대 엔트로피 A.11 그래디언트 상승 A.12 테일러 확장 A.13 몬테 카를로 추정 A.14 중요도 샘플링 A.15 수축 매핑 A.16 그래프 부록 B. 확률 분포 부록 C. 계산 복잡도 C.1 점근적 표기법 C.2 시간 복잡도 부류 C.3 공간 복잡도 부류 C.4 결정 가능성 부록 D. 신경 표현 D.1 신경망 D.2 피드포워드 네트워크 D.3 매개 변수 정규화 D.4 컨볼루션 신경망 D.5 순환 네트워크 D.6 오토인코더 네트워크 D.7 적대적 네트워크 부록 E. 검색 알고리듬 E.1 검색 문제 E.2 검색 그래프 E.3 순방향 검색 E.4 분기 및 제한 E.5 동적 프로그래밍 E.6 휴리스틱 검색 부록 F. 문제 F.1 육각 세계 문제 F.2 2048 F.3 카트-폴 F.4 산악 차량 F.5 단순 레귤레이터 F.6 항공기 충돌 회피 F.7 우는 아기 F.8 기계 교체 F.9 캐치볼 F.10 죄수의 딜레마 F.11 가위-바위-보 F.12 여행자의 딜레마 F.13 포식자-먹이 육각 세계 F.14 다중 보호자 우는 아기 F.15 협업 포식자-먹이 육각 세계 부록 G. 줄리아 G.1 유형 G.1.1 부울 G.1.2 숫자 G.1.3 문자열 G.1.4 기호 G.1.5 벡터 G.1.6 행렬 G.1.7 튜플 G.1.8 명명된 튜플 G.1.9 딕셔너리 G.1.10 복합 유형 G.1.11 추상 유형 G.1.12 모수적 유형 G.2 함수 G.2.1 명명된 함수 G.2.2 익명 함수 G.2.3 호출 가능 객체 G.2.4 선택적 인수 G.2.5 키워드 인수 G.2.6 디스패치 G.2.7 스플래팅 G.3 제어 흐름 G.3.1 조건부 평가 G.3.2 루프 G.3.3 반복자 G.4 패키지 G.4.1 그래프.jl G.4.2 분포.jl G.4.3 JuMP.jl G.5 편의 함수 참고 문헌 찾아보기

◈ 이 책에서 다루는 내용 ◈ ◆ 운영 연구, 컴퓨터과학, 제어 알고리듬 연결 ◆ 복잡하고 급변하는 분야의 기본 사항 ◆ 모든 알고리듬에 대해 학생이 직접 실행할 수 있는 줄리아(Julia) 코드 제공 ◈ 이 책의 구성 ◈ 자동화된 의사결정 시스템 또는 의사결정 지원 시스템은 항공기 충돌 회피부터 유방암 스크리닝까지 다양한 응용 분야에서 사용되며, 다양한 불확실성 요소를 고려해 신중하게 여러 목표의 균형을 잡아야 한다. 이 교재는 불확실성하에서의 의사결정을 위한 알고리듬을 광범위하게 소개하고, 기본적인 수학적 문제 정의와 이를 해결하는 알고리듬에 대해 다룬다.