Artificial Intelligence (AI)

Позволяет вам стать экспертом по искусственному интеллекту (AI) и машинному обучению (ML).

Что такое искусственный интеллект (ИИ)?

Искусственный интеллект (ИИ) относится к моделированию человеческого интеллекта в машинах, которые запрограммированы думать, как люди, и имитировать их действия. Термин может также применяться к любой машине, которая проявляет черты, связанные с человеческим разумом, такие как обучение и решение проблем.

Искусственный интеллект (ИИ) - это область компьютерных наук, в которой особое внимание уделяется созданию интеллектуальных машин, которые работают и реагируют как люди. Процессы включают обучение, рассуждение и самокоррекцию. ИИ достигается путем изучения того, как мозг человека думает, и как люди учатся, решают и работают, пытаясь решить проблему.

Узнайте, как создавать интеллектуальные приложения, основанные на изображениях, тексте и данных временных рядов. Он широко используется во многих областях, таких как поисковые системы, распознавание изображений, робототехника, финансы и так далее. Вы узнаете о различных алгоритмах, которые можно использовать для создания приложений искусственного интеллекта.

Что для тебя?

- Введение в искусственный интеллект и интеллектуальные агенты, история искусственного интеллекта

- Создание интеллектуальных агентов (поиск, игры, логика, проблемы удовлетворения ограничений)

- Алгоритмы машинного обучения

- Приложения AI (обработка естественного языка, робототехника / зрение, понимание языка)

Содержание приложения

1) Введение в AI

- Тест Тьюринга

- история искусственного интеллекта

- Типичная проблема искусственного интеллекта

- Цикл искусственного интеллекта

2) Решение проблем подхода ИИ

- Государственное пространство

- Поиск по графику

- Поиск

- Общий поиск

- Генетический алгоритм

- Поиск в ширину

- Поиск глубины

- эвристический поиск

- игры

- возвращение

- минимаксный алгоритм

- Неинформированный поиск

- образец N-Queen

- Оптимальное решение

- Доказательство приемлемости

- Дерево поиска

- альфа-бета-обрезка

- Смотреть вперед

- Итеративное углубление

- Жадный поиск

- График поиска

- Информированный поиск

- Двунаправленный поиск

- Согласованность

- состязательный поиск

- последовательность пути

- метод информирования

- Другая память ограничена

- Свойства глубины

3) Знание и рассуждение

- Логика высказываний

- правило вывода

- Скрытая Марковская Модель

- Байесовские сети

- Передняя цепочка

- логика первого порядка

- И / ИЛИ Деревья

- семантика

- Уровень знаний

- Системы на основе правил

- Чистый Pro-log

- объединение

- Herbrand Universe

- крепость

- Немонотонный

4) Действовать логично и учиться

- Усиленное обучение

- семантика байесовской

- контролируемое обучение

- вопрос обучения

- Семантические сети

- Нейронная сеть

- Родная байесовская модель

- Искусственный Нейронный

- вероятностный

- Рамки

- Обрезка деревьев решений

- персептрон

- Статистическое обучение

- Исключение кандидатов

- обратное распространение

- без присмотра

- Таксономия обучения

- Расширение семантики

- многослойный

- Функции расщепления

- Чередование и неперемежение подплана

- Планирование как поиск

- Общая форма алгоритма ЭМ

5) Общение, восприятие и действие

- алгоритм регрессии

- естественный язык

- Алгоритм кластеризации

- Статистический алгоритм

- Распознавание образов

- Использование и применение

- двусмысленность

- Шаги по языку

Эти пять модулей содержат 142 темы, и, прочитав все, вы будете достаточно хороши, чтобы спроектировать систему с использованием таких языков, как R, Python, SAS, Matlab, Weka, SPSS и т. Д.