Hva er kunstig intelligens (AI)?
Kunstig intelligens (AI) refererer til simulering av menneskelig intelligens i maskiner som er programmert til å tenke som mennesker og etterligne deres handlinger. Begrepet kan også brukes på enhver maskin som viser egenskaper knyttet til et menneskesinn, for eksempel læring og problemløsing.
Kunstig intelligens (AI) er et område innen informatikk som understreker etableringen av intelligente maskiner som fungerer og reagerer som mennesker. Prosessene inkluderer læring, resonnement og selvretting. AI oppnås ved å studere hvordan menneskets hjerne tenker, og hvordan mennesker lærer, bestemmer og jobber mens de prøver å løse et problem.
Oppdag hvordan du bygger intelligente applikasjoner sentrert om bilder, tekst og tidsseriedata. Den brukes mye på mange felt som søkemotorer, bildegjenkjenning, robotikk, økonomi og så videre. Du lærer om forskjellige algoritmer som kan brukes til å bygge Artificial Intelligence-apper.
Hva er for deg?
- Introduksjon til kunstig intelligens og intelligente agenter, historie om kunstig intelligens
- Bygge intelligente agenter (søk, spill, logikk, begrensningstilfredshetsproblemer)
- Maskinlæringsalgoritmer
- Bruksområder for AI (Natural Language Processing, Robotics / Vision, Language Understanding)
Appinnhold
1) Introduksjon til AI
- Turing Test
- Historie om kunstig intelligens
- Typisk kunstig intelligens problem
- Den kunstige intelligenssyklusen
2) Problemløsningsmetode AI
- State Space
- Gravesøking
- Et søk
- Et generisk søk
- Genetisk algoritme
- Breadth-First Search
- Dybdesøk
- Heuristic Search
- Spill
- Backtracking
- Minimax algoritme
- Uinformert søk
- N-Queen-prøve
- Optimal avgjørelse
- Bevis for tillatelse
- Søk i treet
- Alpha Beta beskjæring
- Se fremover
- Iterativ-fordypning
- Grådig søk
- Søk i graf
- Informert søk
- toveis søk
- Konsistensstyrt
- Adversarial Search
- Banekonsistens
- Metode for informert
- Annet minne begrenset
- Egenskaper med dybde
3) Kunnskap og resonnement
- Proposisjonell logikk
- Inferensregel
- Skjult Markov-modell
- Bayesiske nettverk
- Fremover kjetting
- Første ordens logikk
- OG / ELLER Trær
- Semantikk
- Kunnskapsnivå
- Regelbaserte systemer
- Ren Pro-logg
- Forening
- Herbrand Universe
- Sundhet
- Ikke-monotonisk
4) Å opptre logisk og lære
- Forsterket læring
- Semantikk av Bayesian
- Veiledet læring
- Læringsspørsmål
- Semantiske nettverk
- Nevrale nettverket
- Native Bayes-modell
- Kunstig nevrale
- Probabilistisk
- Rammer
- Beslutning Tree beskjæring
- Perceptron
- Statistisk læring
- Eliminering av kandidater
- Tilbake-propagering
- Overvåket
- Taxonomy of Learning
- Utvide semantisk
- Flerlag
- Splitting funksjoner
- Interleaving vs. Non-Interleaving of Sub-Plan
- Planlegging som søk
- Den generelle formen for EM-algoritme
5) Kommunisere, oppfatte og handle
- Regresjonsalgoritme
- Naturlig språk
- Clustering Algorithm
- Statistisk algoritme
- Mønstergjenkjenning
- Bruk og anvendelse
- Tvetydighet
- Trinn i språk
Disse fem enhetene inneholder 142 emner, og ved å lese alt vil du være god nok til å designe et system ved bruk av språk som R, Python, SAS, Matlab, Weka, SPSS etc.