- promocja
Algorytmy sztucznej inteligencji. Ilustrowany przewodnik - ebook
Algorytmy sztucznej inteligencji. Ilustrowany przewodnik - ebook
Sztuczna inteligencja ma umożliwiać wykorzystywanie danych i algorytmów do podejmowania lepszych decyzji, rozwiązywania trudnych problemów i automatyzowania złożonych zadań. Ma też zwiększać produktywność człowieka. Obecnie sztuczna inteligencja z rozmachem wkracza do kolejnych dziedzin. Budzi zachwyt, ale też kontrowersje i obawy. Nowe narzędzia, choćby były tworzone z najlepszymi intencjami, zawsze mogą zostać wykorzystane w niewłaściwy czy szkodliwy sposób. Oznacza to, że każdy, kto rozwija nowe technologie, powinien to robić odpowiedzialnie. Aby to było możliwe, trzeba dobrze zrozumieć podstawy działania sztucznej inteligencji - algorytmy.
To praktyczny przewodnik po algorytmach sztucznej inteligencji. Skorzystają z niego programiści i inżynierowie, którzy chcą zrozumieć zagadnienia i algorytmy związane ze sztuczną inteligencją na podstawie praktycznych przykładów i wizualnych wyjaśnień. Książka pokazuje, jak radzić sobie z takimi zadaniami programistycznymi jak wykrywanie oszustw bankowych czy sterowanie pojazdem autonomicznym. Pierwsze rozdziały dotyczą podstawowych koncepcji i algorytmów i stają się punktem wyjścia do bardziej złożonych tematów: wydajnych algorytmów przeszukiwania oraz poszukiwania rozwiązań w środowisku konkurencyjnym. Przedstawiono tu zagadnienia uczenia maszynowego, w tym proces przygotowania danych, modelowania i testowania. Omówiono też zasady uczenia przez wzmacnianie za pomocą algorytmu Q-learning.
W książce:
- kategorie i znaczenie algorytmów sztucznej inteligencji.
- inteligentne przeszukiwanie w procesie podejmowania decyzji
- algorytmy genetyczne i inteligencja rozproszona
- uczenie maszynowe i sieci neuronowe
- uczenie przez wzmacnianie
Zrozum algorytmy, a pojmiesz istotę sztucznej inteligencji!
Spis treści
- Przedmowa (ix)
- Podziękowania (xvii)
- O książce (xix)
- O autorze (xxiii)
1. Intuicyjne omówienie sztucznej inteligencji (1)
- Czym jest sztuczna inteligencja? (1)
- Krótka historia sztucznej inteligencji (6)
- Rodzaje problemów i modele ich rozwiązywania (8)
- Intuicyjne omówienie zagadnień z obszaru sztucznej inteligencji (10)
- Zastosowania algorytmów sztucznej inteligencji (14)
2. Podstawy przeszukiwania (21)
- Czym jest planowanie i przeszukiwanie? (21)
- Koszt obliczeń - powód stosowania inteligentnych algorytmów (24)
- Jakie problemy można rozwiązywać za pomocą algorytmów przeszukiwania? (25)
- Reprezentowanie stanu - tworzenie platformy do reprezentowania przestrzeni problemowej i rozwiązań (28)
- Przeszukiwanie siłowe - szukanie rozwiązań po omacku (33)
- Przeszukiwanie wszerz - najpierw wszerz, potem w głąb (35)
- Przeszukiwanie w głąb - najpierw w głąb, potem wszerz (44)
- Zastosowania siłowych algorytmów przeszukiwania (51)
- Opcjonalne informacje - rodzaje grafów (51)
- Opcjonalne informacje - inne sposoby reprezentowania grafów (54)
3. Inteligentne przeszukiwanie (57)
- Definiowanie heurystyk - projektowanie hipotez opartych na wiedzy (57)
- Przeszukiwanie sterowane - szukanie rozwiązań z wykorzystaniem wskazówek (60)
- Przeszukiwanie antagonistyczne - szukanie rozwiązań w zmiennym środowisku (70)
4. Algorytmy ewolucyjne (87)
- Czym jest ewolucja? (87)
- Problemy, jakie można rozwiązywać za pomocą algorytmów ewolucyjnych (90)
- Algorytm genetyczny - cykl życia (94)
- Kodowanie przestrzeni rozwiązań (97)
- Tworzenie populacji rozwiązań (102)
- Pomiar przystosowania osobników w populacji (104)
- Wybór rodziców na podstawie przystosowania (107)
- Generowanie osobników na podstawie rodziców (111)
- Tworzenie populacji następnego pokolenia (116)
- Konfigurowanie parametrów algorytmu genetycznego (120)
- Zastosowania algorytmów ewolucyjnych (121)
5. Zaawansowane techniki ewolucyjne (125)
- Cykl życia algorytmu ewolucyjnego (125)
- Różne strategie selekcji (127)
- Kodowanie z użyciem liczb rzeczywistych (130)
- Kodowanie porządkowe - korzystanie z sekwencji (134)
- Kodowanie za pomocą drzewa - praca z hierarchiami (137)
- Często spotykane rodzaje algorytmów ewolucyjnych (141)
- Słowniczek pojęć związanych z algorytmami ewolucyjnymi (142)
- Inne zastosowania algorytmów ewolucyjnych (143)
6. Inteligencja rozproszona: mrówki (145)
- Czym jest inteligencja rozproszona? (145)
- Problemy dostosowane do algorytmu mrówkowego (148)
- Reprezentowanie stanu - jak zapisać ścieżki i mrówki? (152)
- Cykl życia algorytmu mrówkowego (156)
- Zastosowania algorytmu mrówkowego (177)
7. Inteligencja rozproszona: cząstki (179)
- Na czym polega optymalizacja rojem cząstek? (179)
- Problemy optymalizacyjne - bardziej techniczne spojrzenie (181)
- Problemy, jakie można rozwiązać za pomocą optymalizacji rojem cząstek (185)
- Reprezentowanie problemu - jak wyglądają cząstki? (188)
- Przebieg działania algorytmu optymalizacji rojem cząstek (189)
- Zastosowania algorytmów optymalizacji rojem cząstek (209)
8. Uczenie maszynowe (213)
- Czym jest uczenie maszynowe? (213)
- Problemy, jakie można rozwiązywać za pomocą uczenia maszynowego (215)
- Przebieg uczenia maszynowego (217)
- Klasyfikowanie z użyciem drzew decyzyjnych (241)
- Inne popularne algorytmy uczenia maszynowego (258)
- Zastosowania algorytmów uczenia maszynowego (260)
9. Sztuczne sieci neuronowe (263)
- Czym są sztuczne sieci neuronowe? (263)
- Perceptron: reprezentacja neuronu (266)
- Definiowanie sieci ANN (271)
- Propagacja w przód - używanie wyuczonej sieci ANN (278)
- Propagacja wsteczna - uczenie sieci ANN (286)
- Możliwe funkcje aktywacji (298)
- Projektowanie sztucznych sieci neuronowych (299)
- Typy i zastosowania sieci ANN (303)
10. Uczenie przez wzmacnianie z użyciem algorytmu Q-learning (307)
- Czym jest uczenie przez wzmacnianie? (307)
- Problemy rozwiązywane za pomocą uczenia przez wzmacnianie (311)
- Przebieg uczenia przez wzmacnianie (313)
- Deep learning w uczeniu przez wzmacnianie (331)
- Zastosowania uczenia przez wzmacnianie (332)
Kategoria: | Hardware |
Zabezpieczenie: |
Watermark
|
ISBN: | 978-83-283-7508-6 |
Rozmiar pliku: | 38 MB |