Vad är artificiell intelligens (AI)?
Artificiell intelligens (AI) avser simulering av mänsklig intelligens i maskiner som är programmerade att tänka som människor och efterlikna deras handlingar. Termen kan också tillämpas på alla maskiner som uppvisar egenskaper associerade med ett mänskligt sinne, till exempel lärande och problemlösning.
Artificiell intelligens (AI) är ett område inom datavetenskap som betonar skapandet av intelligenta maskiner som arbetar och reagerar som människor. Processerna inkluderar inlärning, resonemang och självkorrigering. AI uppnås genom att studera hur mänsklig hjärna tänker, och hur människor lär, beslutar och arbetar samtidigt som de försöker lösa ett problem.
Upptäck hur du bygger intelligenta applikationer centrerade på bilder, text och tidsseriedata. Det används i många fält som sökmotorer, bildigenkänning, robotik, ekonomi och så vidare. Du lär dig olika algoritmer som kan användas för att bygga appar för artificiell intelligens.
Vad är för dig?
- Introduktion till artificiell intelligens och intelligenta agenter, artificiell intelligens historia
- Att bygga intelligenta agenter (sökning, spel, logik, begränsningsproblem)
- Maskininlärningsalgoritmer
- Tillämpningar av AI (Natural Language Processing, Robotics / Vision, Language Understanding)
Appens innehåll
1) Introduktion till AI
- Turing Test
- Historia om konstgjord intelligens
- Typiskt artificiell intelligensproblem
- Den artificiella intelligenscykeln
2) Projektlösningssätt AI
- Tillståndsrums
- Graftsökning
- En sökning
- En generisk sökning
- Genetisk algoritm
- Utöka första sökningen
- Djupsökning
- Heuristic Sök
- Spel
- Backtracking
- Minimax algoritm
- Oinformerad sökning
- N-drottningsprov
- Optimalt beslut
- Bevis på tillåtlighet
- Sök träd
- Alpha Beta-beskärning
- Se framåt
- Iterativ fördjupning
- girig sökning
- Sök graf
- Informerad sökning
- Dubbelriktad sökning
- Konsekvensstyrd
- Adversarial Search
- Bana konsistens
- Metod för informerad
- Annat minne begränsat
- Egenskaper för djup
3) Kunskap och resonemang
- Förslagslogik
- Inferensregel
- Dold Markov-modell
- Bayesiska nätverk
- Framåtkedja
- Första ordningens logik
- OCH / ELLER träd
- Semantik
- Kunskapsnivå
- Regelbaserade system
- Ren Pro-logg
- Enhet
- Herbrand Universe
- Sundhet
- Icke-monoton
4) Att agera logiskt och lära sig
- Förstärkt lärande
- Semantik av Bayesian
- Övervakad inlärning
- Lärande fråga
- Semantiska nätverk
- Neuralt nätverk
- Native Bayes-modell
- Konstgjorda neurala
- Probabilistiskt
- Ramar
- Beskärning av beslutsträd
- Perceptron
- Statistiskt lärande
- Eliminering av kandidater
- Back-propagation
- Oövervakad
- Taxonomy of Learning
- Utöka semantiskt
- Flerskikt
- Dela upp funktioner
- Interleaving kontra icke-interleaving av delplan
- Planering som sökning
- Den allmänna formen för EM-algoritm
5) Kommunikera, uppfatta och agera
- Regression Algoritm
- Naturligt språk
- Clustering algoritm
- Statistisk algoritm
- Mönsterigenkänning
- Användning och applikation
- Tvetydighet
- Steg i språket
Dessa fem enheter innehåller 142 ämnen och genom att läsa alla kommer du att vara tillräckligt bra för att designa ett system med språk som R, Python, SAS, Matlab, Weka, SPSS etc.
Uppdaterades den
18 juni 2020