Što je umjetna inteligencija (AI)?
Umjetna inteligencija (AI) odnosi se na simulaciju ljudske inteligencije u strojevima koji su programirani na mišljenje kao ljudi i oponašaju njihovo djelovanje. Izraz se također može primijeniti na bilo koji stroj koji pokazuje osobine povezane s ljudskim umom, poput učenja i rješavanja problema.
Umjetna inteligencija (AI) područje je računalnih znanosti koje naglašava stvaranje inteligentnih strojeva koji djeluju i reagiraju poput ljudi. Procesi uključuju učenje, rasuđivanje i samo-korekciju. AI se postiže proučavanjem razmišljanja ljudskog mozga i načina na koji ljudi uče, odlučuju i rade dok pokušavaju riješiti problem.
Otkrijte kako izraditi inteligentne aplikacije usredotočene na slike, tekst i podatke vremenskih serija. Koristi se široko na mnogim poljima kao što su tražilice, prepoznavanje slika, robotika, financije i tako dalje. Naučit ćete o raznim algoritmima koji se mogu koristiti za izradu aplikacija za umjetnu inteligenciju.
Što je za vas?
- Uvod u umjetnu inteligenciju i inteligentne agente, povijest umjetne inteligencije
- Izgradnja inteligentnih agenata (pretraživanje, igre, logika, problemi s ograničenjem zadovoljstva)
- algoritmi strojnog učenja
- Primjene AI (obrada prirodnog jezika, robotika / vizija, razumijevanje jezika)
Sadržaj aplikacije
1) Uvod u AI
- Turingov test
- Povijest umjetne inteligencije
- Tipičan problem s umjetnom inteligencijom
- Ciklus umjetne inteligencije
2) Pristup rješavanju problema AI
- Državni prostor
- Grafičko pretraživanje
- Pretraživanje *
- Generička potraga
- Genetski algoritam
- Prva potraga
- Dubinska pretraga
- Heuristička potraga
- Igre
- Backtracking
- Minimax algoritam
- Neinformirana pretraga
- Uzorak N-Queen
- Optimalna odluka
- Dokaz o prihvatljivosti
- Stablo pretraživanja
- Alpha Beta obrezivanje
- Gledati unaprijed
- Iterativno-produbljujuće
- pohlepna potraga
- Grafikon pretraživanja
- informirana pretraga
- Dvosmjerno pretraživanje
- Vođena dosljednost
- Nadmetanje pretraživanja
- Dosljednost staze
- Način informiranja
- Ostala memorija ograničena
- Svojstva dubine
3) Znanje i rasuđivanje
- Propoziciona logika
- Pravilo zaključivanja
- Model skrivenog Markova
- Bayesove mreže
- Lančanje naprijed
- Logika prvog reda
- I / ILI Drveće
- Semantika
- Razina znanja
- Sustavi temeljeni na pravilima
- Čisti Pro-zapisnik
- Ujedinjenje
- Herbrand Universe
- Čvrstoća
- Ne-monotono
4) Logično djelovati i učiti
- Pojačano učenje
- Semantika Bayesian
- Nadzirano učenje
- Pitanje učenja
- Semantičke mreže
- Živčana mreža
- Native Bayesov model
- umjetna neuralna
- Vjerojatno
- Okviri
- Obrezivanje stabla rezidbe
- Perceptron
- Statističko učenje
- eliminacija kandidata
- širenje leđa
- Nenadzirano
- Taksonomija učenja
- Proširenje semantičkog
- višeslojni
- Funkcije dijeljenja
- Prepletanje nasuprot ne-prepletanju pod-plana
- Planiranje kao potraga
- Opći oblik algoritma EM
5) Komuniciranje, uočavanje i djelovanje
- Algoritam regresije
- Prirodni jezik
- Algoritam klastera
- Statistički algoritam
- Prepoznavanje uzorka
- Uporaba i primjena
- Nejasnoća
- Koraci u jeziku
Ovih pet jedinica sadrži 142 teme i čitajući sve bit će vam dovoljno da dizajnirate sustav koristeći jezike poput R, Python, SAS, Matlab, Weka, SPSS itd.