Artificial Intelligence (AI)

SkedSoft

Obsahuje reklamy

Informace o aplikaci

Co je to umělá inteligence (AI)?

Umělá inteligence (AI) označuje simulaci lidské inteligence v počítačích, které jsou naprogramovány tak, aby přemýšlely jako lidé a napodobovaly jejich činy. Termín může být také aplikován na jakýkoli stroj, který vykazuje znaky spojené s lidskou myslí, jako je učení a řešení problémů.

Umělá inteligence (AI) je oblast informatiky, která zdůrazňuje vytváření inteligentních strojů, které fungují a reagují jako lidé. Procesy zahrnují učení, uvažování a samokorekci. AI je dosaženo studiem toho, jak si myslí lidský mozek a jak se lidé učí, rozhodují a pracují, zatímco se snaží vyřešit problém.

Objevte, jak vytvářet inteligentní aplikace zaměřené na obrázky, text a data časových řad. Používá se rozsáhle v mnoha oblastech, jako jsou vyhledávače, rozpoznávání obrázků, robotika, finance atd. Dozvíte se o různých algoritmech, které lze použít k vytváření aplikací umělé inteligence.

Co je pro vás?

- Úvod do umělé inteligence a inteligentních agentů, historie umělé inteligence
- Vytváření inteligentních agentů (vyhledávání, hry, logika, problémy s uspokojením omezení)
- Algoritmy strojového učení
- Aplikace AI (zpracování přirozeného jazyka, robotika / vize, porozumění jazyku)

Obsah aplikace

1) Úvod do AI

- Turingův test
- Historie umělé inteligence
- Typický problém umělé inteligence
- Cyklus umělé inteligence

2) AI řešení problémů

- Státní prostor
- Vyhledávání grafů
- Hledání
- Obecné vyhledávání
- Genetický algoritmus
- První vyhledávání podle šířky
- Hledání hloubky
- Heuristické vyhledávání
- Hry
- Zpětné sledování
- Algoritmus minimaxu
- Neinformované vyhledávání
- Vzorek N-Queen
- Optimální rozhodnutí
- Doklad o přípustnosti
- Prohledat strom
- Prořezávání Alpha Beta
- Dívat se dopředu
- Iterativní prohloubení
- Greedy Search
- Prohledat graf
- Informované vyhledávání
- Obousměrné vyhledávání
- Řídí se důsledností
- Adversarial Search
- Konzistence cesty
- Způsob informování
- Jiná paměť je omezená
- Vlastnosti hloubky

3) Znalosti a zdůvodnění

- Propoziční logika
- Pravidlo odvození
- Skrytý Markovův model
- Bayesovské sítě
- Dopředu řetězení
- Logika prvního řádu
- A / NEBO Stromy
- Sémantika
- Úroveň znalostí
- Systémy založené na pravidlech
- Pure Pro-log
- Sjednocení
- Herbrandův vesmír
- Zdraví
- Non-monotónní

4) Logické jednání a učení

- Posílené učení
- sémantika bayesovského
- Dozorované učení
- Výuka
- Sémantické sítě
- Nervová síť
- Nativní Bayesův model
- Umělý neurál
- Pravděpodobně
- Rámy
- Prořezávání stromu rozhodnutí
- Perceptron
- Statistické učení
- Vyloučení kandidátů
- Propagace zad
- Bez dozoru
- Taxonomie učení
- Rozšíření sémantiky
- Vícevrstvá
- Rozdělení funkcí
- prokládání vs. ne prokládání dílčího plánu
- Plánování jako hledání
- Obecná forma EM algoritmu

5) Komunikace, vnímání a jednání

- Algoritmus regrese
- Přirozený jazyk
- Clustering Algorithm
- Statistický algoritmus
- Rozpoznávání vzorů
- Použití a aplikace
- Dvojznačnost
- Kroky v jazyce


Těchto pět jednotek obsahuje 142 témat a po přečtení všeho, co bude dobré, navrhnete systém pomocí jazyků jako R, Python, SAS, Matlab, Weka, SPSS atd.

Hodnocení a recenze

It would be nice if there was any possibiliy to mark already read topics.

Novinky

-Download Skedbook to continue your reading