ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ (AI) అంటే ఏమిటి?
ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ (AI) అనేది మనుషులలాగా ఆలోచించడానికి మరియు వారి చర్యలను అనుకరించటానికి ప్రోగ్రామ్ చేయబడిన యంత్రాలలో మానవ మేధస్సు యొక్క అనుకరణను సూచిస్తుంది. అభ్యాసం మరియు సమస్య పరిష్కారం వంటి మానవ మనస్సుతో సంబంధం ఉన్న లక్షణాలను ప్రదర్శించే ఏ యంత్రానికి కూడా ఈ పదాన్ని వర్తించవచ్చు.
ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ (AI) అనేది కంప్యూటర్ సైన్స్ యొక్క ఒక ప్రాంతం, ఇది మానవుల వలె పనిచేసే మరియు ప్రతిస్పందించే తెలివైన యంత్రాల సృష్టిని నొక్కి చెబుతుంది. ప్రక్రియలలో అభ్యాసం, తార్కికం మరియు స్వీయ దిద్దుబాటు ఉన్నాయి. మానవ మెదడు ఎలా ఆలోచిస్తుందో మరియు సమస్యను పరిష్కరించడానికి ప్రయత్నిస్తున్నప్పుడు మానవులు ఎలా నేర్చుకుంటారు, నిర్ణయిస్తారు మరియు పని చేస్తారు అనేదానిని అధ్యయనం చేయడం ద్వారా AI సాధించబడుతుంది.
చిత్రాలు, వచనం మరియు సమయ శ్రేణి డేటాపై కేంద్రీకృతమై తెలివైన అనువర్తనాలను ఎలా నిర్మించాలో కనుగొనండి. సెర్చ్ ఇంజన్లు, ఇమేజ్ రికగ్నిషన్, రోబోటిక్స్, ఫైనాన్స్ మరియు అనేక రంగాలలో ఇది విస్తృతంగా ఉపయోగించబడుతుంది. ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ అనువర్తనాలను రూపొందించడానికి ఉపయోగించే వివిధ అల్గోరిథంల గురించి మీరు నేర్చుకుంటారు.
మీ కోసం ఏమిటి?
- ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ మరియు ఇంటెలిజెంట్ ఏజెంట్ల పరిచయం, ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ చరిత్ర
- తెలివైన ఏజెంట్లను నిర్మించడం (శోధన, ఆటలు, తర్కం, పరిమితి సంతృప్తి సమస్యలు)
- మెషిన్ లెర్నింగ్ అల్గోరిథంలు
- AI యొక్క అనువర్తనాలు (నేచురల్ లాంగ్వేజ్ ప్రాసెసింగ్, రోబోటిక్స్ / విజన్, లాంగ్వేజ్ అండర్స్టాండింగ్)
అనువర్తన విషయాలు
1) AI పరిచయం
- ట్యూరింగ్ టెస్ట్
- ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ చరిత్ర
- సాధారణ ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ సమస్య
- ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ సైకిల్
2) సమస్య పరిష్కార విధానం AI
- స్టేట్ స్పేస్
- గ్రాఫ్ శోధన
- A * శోధన
- సాధారణ శోధన
- జన్యు అల్గోరిథం
- వెడల్పు-మొదటి శోధన
- లోతు శోధన
- హ్యూరిస్టిక్ శోధన
- ఆటలు
- బ్యాక్ట్రాకింగ్
- మినిమాక్స్ అల్గోరిథం
- తెలియని శోధన
- ఎన్-క్వీన్ నమూనా
- సరైన నిర్ణయం
- ప్రవేశ రుజువు
- శోధన చెట్టు
- ఆల్ఫా బీటా కత్తిరింపు
- ముందుకు చూడు
- పునరావృతం-లోతుగా
- అత్యాశ శోధన
- శోధన గ్రాఫ్
- సమాచారం శోధన
- ద్వి-దిశాత్మక శోధన
- స్థిరత్వం నడిచేది
- విరోధి శోధన
- మార్గం స్థిరత్వం
- సమాచారం యొక్క విధానం
- ఇతర మెమరీ పరిమితం
- లోతు యొక్క లక్షణాలు
3) జ్ఞానం మరియు తార్కికం
- ప్రతిపాదన లాజిక్
- అనుమితి నియమం
- హిడెన్ మార్కోవ్ మోడల్
- బయేసియన్ నెట్వర్క్లు
- ఫార్వర్డ్ చైనింగ్
- మొదటి ఆర్డర్ లాజిక్
- మరియు / లేదా చెట్లు
- సెమాంటిక్స్
- జ్ఞాన స్థాయి
- రూల్ బేస్డ్ సిస్టమ్స్
- స్వచ్ఛమైన ప్రో-లాగ్
- ఏకీకరణ
- హెర్బ్రాండ్ యూనివర్స్
- సౌండ్నెస్
- నాన్-మోనోటోనిక్
4) తార్కికంగా వ్యవహరించడం మరియు నేర్చుకోవడం
- రీన్ఫోర్స్డ్ లెర్నింగ్
- బయేసియన్ యొక్క సెమాంటిక్స్
- పర్యవేక్షించిన అభ్యాసం
- అభ్యాస సమస్య
- సెమాంటిక్ నెట్వర్క్లు
- న్యూరల్ నెట్వర్క్
- స్థానిక బేయస్ మోడల్
- కృత్రిమ నాడీ
- సంభావ్యత
- ఫ్రేమ్లు
- నిర్ణయం చెట్టు కత్తిరింపు
- పెర్సెప్ట్రాన్
- గణాంక అభ్యాసం
- అభ్యర్థి ఎలిమినేషన్
- తిరిగి ప్రచారం
- పర్యవేక్షించబడదు
- వర్గీకరణ శాస్త్రం
- సెమాంటిక్ విస్తరించడం
- మల్టీ లేయర్
- విభజన విధులు
- ఇంటర్లీవింగ్ వర్సెస్ సబ్ ప్లాన్ యొక్క ఇంటర్లీవింగ్
- శోధనగా ప్రణాళిక
- EM అల్గోరిథం యొక్క సాధారణ రూపం
5) కమ్యూనికేట్ చేయడం, గ్రహించడం మరియు నటించడం
- రిగ్రెషన్ అల్గోరిథం
- సహజ భాష
- క్లస్టరింగ్ అల్గోరిథం
- గణాంక అల్గోరిథం
- సరళి గుర్తింపు
- వాడుక & అప్లికేషన్
- అస్పష్టత
- భాషలో దశలు
ఈ ఐదు యూనిట్లలో 142 విషయాలు ఉన్నాయి మరియు అన్నీ చదవడం ద్వారా మీరు R, పైథాన్, SAS, మాట్లాబ్, వెకా, SPSS మొదలైన భాషలను ఉపయోగించి వ్యవస్థను రూపొందించడానికి సరిపోతారు.
అప్డేట్ అయినది
18 జూన్, 2020