Artificial Intelligence (AI)

SkedSoft

Περιέχει διαφημίσεις

Περιγραφή εφαρμογής

Τι είναι η Τεχνητή Νοημοσύνη (AI);

Η τεχνητή νοημοσύνη (AI) αναφέρεται στην προσομοίωση της ανθρώπινης νοημοσύνης σε μηχανές που έχουν προγραμματιστεί να σκέφτονται σαν τους ανθρώπους και μιμούνται τις πράξεις τους. Ο όρος μπορεί επίσης να εφαρμοστεί σε οποιαδήποτε μηχανή που εμφανίζει χαρακτηριστικά που σχετίζονται με ανθρώπινο μυαλό όπως μάθηση και επίλυση προβλημάτων.

Η τεχνητή νοημοσύνη (AI) είναι ένας τομέας της επιστήμης των υπολογιστών που δίνει έμφαση στη δημιουργία έξυπνων μηχανών που λειτουργούν και αντιδρούν όπως οι άνθρωποι. Οι διαδικασίες περιλαμβάνουν μάθηση, συλλογιστική και αυτο-διόρθωση. Η τεχνητή νοημοσύνη επιτυγχάνεται μελετώντας πώς σκέφτεται ο ανθρώπινος εγκέφαλος και πώς οι άνθρωποι μαθαίνουν, αποφασίζουν και εργάζονται προσπαθώντας να λύσουν ένα πρόβλημα.

Ανακαλύψτε πώς μπορείτε να δημιουργήσετε έξυπνες εφαρμογές με επίκεντρο εικόνες, κείμενο και δεδομένα χρονοσειρών. Χρησιμοποιείται εκτενώς σε πολλά πεδία όπως μηχανές αναζήτησης, αναγνώριση εικόνας, ρομποτική, χρηματοδότηση και ούτω καθεξής. Θα μάθετε για διάφορους αλγόριθμους που μπορούν να χρησιμοποιηθούν για τη δημιουργία εφαρμογών Τεχνητής Νοημοσύνης.

Τι είναι για σένα;

- Εισαγωγή στην Τεχνητή Νοημοσύνη και τους ευφυείς πράκτορες, ιστορία της Τεχνητής Νοημοσύνης
- Δημιουργία ευφυών πρακτόρων (αναζήτηση, παιχνίδια, λογική, προβλήματα ικανοποίησης περιορισμών)
- Αλγόριθμοι μηχανικής μάθησης
- Εφαρμογές της τεχνητής νοημοσύνης (Επεξεργασία φυσικής γλώσσας, ρομποτική / όραμα, κατανόηση γλωσσών)

Περιεχόμενο εφαρμογής

1) Εισαγωγή στο AI

- Δοκιμή Turing
- Ιστορία της Τεχνητής Νοημοσύνης
- Τυπικό πρόβλημα τεχνητής νοημοσύνης
- Ο κύκλος τεχνητής νοημοσύνης

2) Προσέγγιση επίλυσης προβλημάτων AI

- Κρατικός χώρος
- Αναζήτηση γραφημάτων
- Α * αναζήτηση
- Μια γενική αναζήτηση
- Γενετικός αλγόριθμος
- Πρώτη αναζήτηση
- Αναζήτηση βάθους
- Ευρετική αναζήτηση
- Παιχνίδια
- Οπισθοδρόμηση
- Ελάχιστος αλγόριθμος
- Μη ενημερωμένη αναζήτηση
- Δείγμα N-Queen
- Βέλτιστη απόφαση
- Απόδειξη παραδεκτού
- Αναζήτηση δέντρου
- Κλάδεμα άλφα βήτα
- Κοιτάξουμε μπροστά
- Επαναληπτική εμβάθυνση
- Άπληστη αναζήτηση
- Αναζήτηση γραφήματος
- Ενημερωμένη αναζήτηση
- Διμερής αναζήτηση
- Με βάση τη συνοχή
- Αντίστροφη αναζήτηση
- Συνοχή διαδρομής
- Μέθοδος ενημέρωσης
- Άλλες περιορισμένες μνήμες
- Ιδιότητες βάθους

3) Γνώση και συλλογισμός

- Προτασιακή λογική
- Κανόνας συμπερασμάτων
- Κρυφό μοντέλο Markov
- Δίκτυα Bayesian
- Εμπρός αλυσίδα
- Λογική πρώτης παραγγελίας
- ΚΑΙ / Ή Δέντρα
- Σημασιολογία
- Επιπεδο γνωσης
- Συστήματα που βασίζονται σε κανόνες
- Pure Pro-log
- Ενοποίηση
- Σύμπαν Herbrand
- Υγιεινή
- Μη μονοτονικό

4) Να ενεργεί λογικά και να μαθαίνει

- Ενισχυμένη μάθηση
- Σημασιολογία του Bayesian
- Εποπτευόμενη μάθηση
- Μαθησιακό ζήτημα
- Σημασιολογικά δίκτυα
- Νευρικό σύστημα
- Native Bayes Model
- Τεχνητό νευρικό
- Πιθανοτική
- Πλαίσια
- Κλάδεμα απόφασης
- Perceptron
- Στατιστική μάθηση
- Αποβολή υποψηφίων
- Πίσω-Διάδοση
- Χωρίς επίβλεψη
- Ταξινόμηση της μάθησης
- Επέκταση του Σημασιολογικού
- Πολλαπλά στρώματα
- Διαχωρισμός λειτουργιών
- Interleaving έναντι Non-Interleaving του υπο-προγράμματος
- Σχεδιασμός ως αναζήτηση
- Η γενική μορφή του αλγορίθμου EM

5) Επικοινωνία, αντίληψη και δράση

- Αλγόριθμος παλινδρόμησης
- Φυσική γλώσσα
- Αλγόριθμος ομαδοποίησης
- Στατιστικός αλγόριθμος
- Αναγνώριση μοτίβου
- Χρήση & εφαρμογή
- Ασάφεια
- Βήματα στη γλώσσα


Αυτές οι πέντε ενότητες περιέχουν 142 θέματα και διαβάζοντας όλα θα είστε αρκετά καλοί για να σχεδιάσετε ένα σύστημα χρησιμοποιώντας γλώσσες όπως R, Python, SAS, Matlab, Weka, SPSS κ.λπ.

Τι νέο υπάρχει

☞ 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