Artificial Intelligence (AI) на компьютер

Что такое искусственный интеллект (ИИ)?

Искусственный интеллект (ИИ) относится к моделированию человеческого интеллекта в машинах, которые запрограммированы думать, как люди, и имитировать их действия. Термин может также применяться к любой машине, которая проявляет черты, связанные с человеческим разумом, такие как обучение и решение проблем.

Искусственный интеллект (ИИ) - это область компьютерных наук, в которой особое внимание уделяется созданию интеллектуальных машин, которые работают и реагируют как люди. Процессы включают обучение, рассуждение и самокоррекцию. ИИ достигается путем изучения того, как мозг человека думает, и как люди учатся, решают и работают, пытаясь решить проблему.

Узнайте, как создавать интеллектуальные приложения, основанные на изображениях, тексте и данных временных рядов. Он широко используется во многих областях, таких как поисковые системы, распознавание изображений, робототехника, финансы и так далее. Вы узнаете о различных алгоритмах, которые можно использовать для создания приложений искусственного интеллекта.

Что для тебя?

- Введение в искусственный интеллект и интеллектуальные агенты, история искусственного интеллекта
- Создание интеллектуальных агентов (поиск, игры, логика, проблемы удовлетворения ограничений)
- Алгоритмы машинного обучения
- Приложения AI (обработка естественного языка, робототехника / зрение, понимание языка)

Содержание приложения

1) Введение в AI

- Тест Тьюринга
- история искусственного интеллекта
- Типичная проблема искусственного интеллекта
- Цикл искусственного интеллекта

2) Решение проблем подхода ИИ

- Государственное пространство
- Поиск по графику
- Поиск
- Общий поиск
- Генетический алгоритм
- Поиск в ширину
- Поиск глубины
- эвристический поиск
- игры
- возвращение
- минимаксный алгоритм
- Неинформированный поиск
- образец N-Queen
- Оптимальное решение
- Доказательство приемлемости
- Дерево поиска
- альфа-бета-обрезка
- Смотреть вперед
- Итеративное углубление
- Жадный поиск
- График поиска
- Информированный поиск
- Двунаправленный поиск
- Согласованность
- состязательный поиск
- последовательность пути
- метод информирования
- Другая память ограничена
- Свойства глубины

3) Знание и рассуждение

- Логика высказываний
- правило вывода
- Скрытая Марковская Модель
- Байесовские сети
- Передняя цепочка
- логика первого порядка
- И / ИЛИ Деревья
- семантика
- Уровень знаний
- Системы на основе правил
- Чистый Pro-log
- объединение
- Herbrand Universe
- крепость
- Немонотонный

4) Действовать логично и учиться

- Усиленное обучение
- семантика байесовской
- контролируемое обучение
- вопрос обучения
- Семантические сети
- Нейронная сеть
- Родная байесовская модель
- Искусственный Нейронный
- вероятностный
- Рамки
- Обрезка деревьев решений
- персептрон
- Статистическое обучение
- Исключение кандидатов
- обратное распространение
- без присмотра
- Таксономия обучения
- Расширение семантики
- многослойный
- Функции расщепления
- Чередование и неперемежение подплана
- Планирование как поиск
- Общая форма алгоритма ЭМ

5) Общение, восприятие и действие

- алгоритм регрессии
- естественный язык
- Алгоритм кластеризации
- Статистический алгоритм
- Распознавание образов
- Использование и применение
- двусмысленность
- Шаги по языку


Эти пять модулей содержат 142 темы, и, прочитав все, вы будете достаточно хороши, чтобы спроектировать систему с использованием таких языков, как R, Python, SAS, Matlab, Weka, SPSS и т. Д.

☞ New reading UI which allows seamless reading.
☞ Night mode and horizontal + vertical page scroll
☞ Bookmark and content highlight, underlining text, add note
☞ Ebook like reading experience