Artificial Intelligence (AI)

SkedSoft

Conté anuncis

Sobre l'aplicació

Què és la Intel·ligència artificial (IA)?

La intel·ligència artificial (AI) es refereix a la simulació de la intel·ligència humana en màquines programades per pensar com humans i imitar les seves accions. El terme també es pot aplicar a qualsevol màquina que presenti trets associats a una ment humana com ara l'aprenentatge i la resolució de problemes.

La intel·ligència artificial (AI) és una àrea d’informàtica que destaca la creació de màquines intel·ligents que funcionen i reaccionen com els humans. Els processos inclouen aprenentatge, raonament i autocorrecció. L’AI s’aconsegueix estudiant com pensa el cervell humà i com els humans aprenen, decideixen i treballen mentre s’intenta solucionar un problema.

Descobriu com crear aplicacions intel·ligents centrades en imatges, text i dades de sèries horàries. S’utilitza àmpliament en molts camps com ara motors de cerca, reconeixement d’imatges, robòtica, finances, etc. Aprendràs sobre diversos algoritmes que es poden utilitzar per crear aplicacions d’Intel·ligència Artificial.

Què és per a vostè?

- Introducció a la Intel·ligència Artificial i als agents intel·ligents, història de la Intel·ligència Artificial
- Construir agents intel·ligents (cerca, jocs, lògica, problemes de satisfacció de restriccions)
- Algorismes d'aprenentatge automàtic
- Aplicacions d'AI (Natural Language Processing, Robòtica / Visió, comprensió del llenguatge)

Contingut de l'aplicació

1) Introducció a la IA

- Test de Turing
- Història de la Intel·ligència Artificial
- Problema típic d’intel·ligència artificial
- Cicle d’Intel·ligència Artificial

2) Aproximació de resolució de problemes AI

- Espai estatal
- Cerca de gràfics
- Una cerca *
- Una cerca genèrica
- Algoritme genètic
- Primera cerca d’amplitud
- Cerca de profunditat
- Cerca heurística
- Jocs
- Backtracking
- Algoritme mínim
- Cerca sense informació
- Mostra de N-Queen
- Decisió òptima
- Prova d'admissibilitat
- Arbre de cerca
- Poda beta beta
- Mira endavant
- Aprofundiment iteratiu
- Greedy Search
- Gràfic de cerca
- Cerca informada
- Recerca bidireccional
- Consistència impulsada
- Recerca adversària
- Coherència del camí
- Mètode d'informació
- Resta de memòria limitada
- Propietats de profunditat

3) Coneixement i raonament

- Lògica proposicional
- Regla d’Inferència
- Model ocult de Markov
- Xarxes bayesianes
- Endavant encadenament
- Lògica de primer ordre
- I / O Arbres
- Semàntica
- Nivell de coneixement
- Sistemes basats en regles
- Registre de pro Pro pur
- Unificació
- Univers Herbrand
- Solidesa
- No Monotònic

4) Actuar lògicament i aprendre

- Aprenentatge reforçat
- Semàntica bayesiana
- Aprenentatge tutelat
- Problema d’aprenentatge
- Xarxes semàntiques
- Xarxa Neural
- Model Native Bayes
- Neural artificial
- Probabilitat
- Marcs
- Poda d’arbre de decisions
- Perceptron
- Aprenentatge estadístic
- Eliminació de candidats
- Propagació posterior
- No vigilat
- Taxonomia de l'aprenentatge
- Extensió semàntica
- Multi-capa
- Funcions de divisió
- Interrelació vs no interrelació del sub-pla
- Planificació com a cerca
- La forma general de l'algoritme de EM

5) Comunicar, percebre i actuar

- Algoritme de regressió
- Llenguatge natural
- Algoritme de agrupació
- Algoritme estadístic
- Reconeixement de patró
- Ús i aplicació
- Ambigüitat
- Passos del llenguatge


Aquestes cinc unitats contenen 142 temes i llegint tot el que serà prou bo per dissenyar un sistema utilitzant idiomes com R, Python, SAS, Matlab, Weka, SPSS etc.

Novetats

-Download Skedbook to continue your reading