Mi az a mesterséges intelligencia (AI)?
A mesterséges intelligencia (AI) az emberi intelligencia szimulációjára vonatkozik olyan gépekben, amelyeket úgy programoztak, hogy úgy gondolják, mint az emberek, és utánozzák cselekedeteiket. A kifejezés alkalmazható minden olyan gépen, amely az emberi elmével kapcsolatos tulajdonságokkal rendelkezik, például a tanulás és a problémamegoldás.
A mesterséges intelligencia (AI) egy informatikai terület, amely hangsúlyozza az intelligens gépek létrehozását, amelyek az emberekhez hasonlóan működnek és reagálnak. A folyamatok magukban foglalják a tanulást, az érvelést és az önjavítást. Az AI megvalósul azáltal, hogy megvizsgálják, hogy az emberi agy hogyan gondolkodik, és hogyan tanulnak, döntnek és mûködnek az emberek egy probléma megoldása közben.
Fedezze fel, hogyan építsen intelligens alkalmazásokat, amelyek középpontjában a képek, szöveg és idősorok állnak. Széles körben alkalmazzák számos területen, például keresőmotorok, képfelismerés, robotika, pénzügyek stb. Megtudhatja a különféle algoritmusokat, amelyek felhasználhatók a mesterséges intelligencia alkalmazások készítéséhez.
Mi az Ön számára?
- Bevezetés a mesterséges intelligenciába és az intelligens ágensekbe, a mesterséges intelligencia története
- Intelligens ügynökök kiépítése (keresés, játékok, logika, kényszer-elégedettségi problémák)
- Gépi tanulási algoritmusok
- AI alkalmazások (természetes nyelvfeldolgozás, robotika / látás, nyelvmegértés)
Az alkalmazás tartalma
1) Bevezetés az AI-be
- Turing teszt
- A mesterséges intelligencia története
- Tipikus mesterséges intelligencia probléma
- A mesterséges intelligencia ciklusa
2) AI problémamegoldó megközelítés
- Állami űr
- Grafikon keresés
- Egy keresés
- Általános keresés
- Genetikai algoritmus
- Szélesség-első keresés
- Mélységkeresés
- Heurisztikus keresés
- Játékok
- Visszakeresés
- Minimax algoritmus
- Tisztítatlan keresés
- N-Queen minta
- Optimális döntés
- Az elfogadhatóság igazolása
- Keresési fa
- Alfa-béta metszés
- Előretekint
- Iteratív-mélyítő
- Kapzsi keresés
- Keresés grafikon
- Informált keresés
- Kétirányú keresés
- Konzisztencia vezérelt
- Versenyképes keresés
- Az út következetessége
- A tájékozott módszer
- Egyéb memória korlátozott
- A mélység tulajdonságai
3) Tudás és érvelés
- Propozicionális logika
- A következtetés szabálya
- Rejtett Markov-modell
- Bayes-hálózatok
- Előre láncolás
- Első rendű logika
- ÉS VAGY fák
- Szemantika
- Tudás szint
- Szabályalapú rendszerek
- Tiszta Pro-napló
- Egyesítés
- Herbrand Univerzum
- Szilárdság
- Nem monoton
4) Logikai cselekvés és tanulás
- Megerősített tanulás
- Bayes-i szemantika
- Felügyelt tanulás
- Tanulási kérdés
- Szemantikus hálózatok
- Neurális hálózat
- Natív Bayes-modell
- Mesterséges neurális
- Valószínűségi
- Keretek
- Döntési fa metszése
- Perceptron
- Statisztikai tanulás
- A jelölt megszüntetése
- Visszatérés
- Felügyelet nélkül
- A tanulás taxonómiája
- Szemantika kiterjesztése
- Többrétegű
- Hasító funkciók
- Átlapolás vagy az alterv nem átlapolása
- Keresési tervezés
- Az EM algoritmus általános formája
5) Kommunikáció, észlelés és cselekedet
- Regressziós algoritmus
- Természetes nyelv
- Klaszterezési algoritmus
- Statisztikai algoritmus
- Mintafelismerés
- Használat és alkalmazás
- Kétértelműség
- A nyelv lépései
Ez az öt egység 142 témát tartalmaz, és az összes elolvasásával elég jó lesz egy olyan rendszer megtervezéséhez, amely olyan nyelveket használ, mint az R, Python, SAS, Matlab, Weka, SPSS stb.