Olvasói vélemények
Összegzés:Denis Rothman „Mesterséges intelligencia példákkal” című könyvét az elmélet és a gyakorlati alkalmazás mesteri keveréke miatt dicsérik a mesterséges intelligencia témáinak széles skáláján. Hatékonyan áthidalja a más mesterséges intelligenciáról szóló könyvek által hagyott hiányosságokat, betekintést nyújt mind a matematikai fogalmakba, mind a kódolási megvalósításokba. Egyes kritikák azonban kiemelték, hogy a széles körű lefedettség miatt bizonyos témáknál hiányzik a szerkezet, a szervezettség és a mélység.
Előnyök:⬤ Az elmélet és a gyakorlati kódolási példák mesterien összefonódnak.
⬤ Segít áthidalni a matematikai fogalmak és a programozási alkalmazások közötti szakadékot.
⬤ A mesterséges intelligencia témáinak széles skáláját öleli fel, így különböző célközönségek (diákok, fejlesztők, projektmenedzserek) számára is alkalmas.
⬤ Tartalmazza a feladatokra adott válaszokat, így fokozza a tanulást.
⬤ Magával ragadó és könnyen olvasható, változatos példákkal.
Hátrányok:⬤ Hiányzik a szervezés és a koherencia a fejezetek között, ami miatt szétesőnek tűnik.
⬤ Néhány témát nem tárgyal mélységében a könyv széles terjedelme miatt.
⬤ Időnként elkalandozó és nem egyértelmű valós példák.
⬤ Egyes olvasók nehezen értettek meg bizonyos fejezeteket, különösen az összetett fogalmakat tartalmazó részeket.
(17 olvasói vélemény alapján)
Eredeti címe:
Artificial Intelligence By Example - Second Edition
Könyv tartalma:
Értse meg az alapokat, és fejlessze ki saját AI megoldásait ebben a frissített, számos új példával ellátott kiadásban Főbb jellemzők AI-alapú példák, amelyek eligazítják Önt a gépi intelligencia tervezésében és megvalósításában Építsen gépi intelligenciát a semmiből mesterséges intelligencia példák segítségével Fejlesszen gépi intelligenciát a semmiből valódi mesterséges intelligencia segítségével Könyv leírása
A mesterséges intelligencia minden területen képes az embert leutánozni. A Mesterséges intelligencia példákkal, második kiadás kiindulópontként szolgál ahhoz, hogy megértse, hogyan épül fel a mesterséges intelligencia, érdekes és izgalmas példák segítségével.
Ez a könyv adaptív gondolkodóvá teszi Önt, és segít a fogalmak valós forgatókönyvekre való alkalmazásában. A legérdekesebb mesterséges intelligencia példák segítségével, egészen az olyan számítógépes programoktól kezdve, mint egy egyszerű sakkmotor, egészen a kognitív chatbotokig, megtanulhatja, hogyan kezelje a gépet, amellyel versenyezhet. Tanulmányozni fogsz néhányat a legfejlettebb gépi tanulási modellek közül, megérted, hogyan lehet alkalmazni a mesterséges intelligenciát a blokkláncra és a tárgyak internetére (IoT), és fejleszteni fogod a chatbotok érzelmi hányadosát olyan neurális hálózatok segítségével, mint a rekurrens neurális hálózatok (RNN) és a konvolúciós neurális hálózatok (CNN).
Ez a kiadás új példákat tartalmaz a hibrid neurális hálózatokra, a megerősítő tanulás (RL) és a mélytanulás (DL) kombinálására, a láncolt algoritmusokra, a felügyelet nélküli tanulás és a döntési fák kombinálására, a véletlen erdőkre, a DL és a genetikai algoritmusok kombinálására, a chatbotok számára készült társalgási felhasználói interfészekre (CUI), a neuromorfikus számítástechnikára és a kvantumszámítástechnikára is.
A könyv végére megérti a mesterséges intelligencia alapjait, és számos olyan példát dolgozhat fel, amelyek segítenek a mesterséges intelligencia megoldások kifejlesztésében. Amit tanulni fog Alkalmazza a k- legközelebbi szomszédokat (KNN) a nyelvi fordításokra, és fedezze fel a Google Translate-ben rejlő lehetőségeket Értse meg a felügyelet nélküli tanulást döntési fákkal kombináló láncolt algoritmusokat Oldja meg az XOR-problémát feedforward neurális hálózatokkal (FNN), és építse fel architektúráját egy adatáramlási gráf ábrázolására Ismerje meg a meta learning modelleket hibrid neurális hálózatokkal Hozzon létre egy chatbotot, és optimalizálja érzelmi intelligenciahiányait olyan eszközökkel, mint a Small Talk és az adatnaplózás Beszélgető felhasználói felületek (CUI) építése chatbotok számára A mélytanuló neurális hálózatokat optimalizáló genetikus algoritmusok írása Kvantumszámítási áramkörök építése Kiknek szól ez a könyv?
Fejlesztők és a mesterséges intelligencia iránt érdeklődők, akik szeretnék megérteni a mesterséges intelligencia alapjait és gyakorlatban alkalmazni azokat. A Python programozásban való előzetes tapasztalat és a statisztikai ismeretek elengedhetetlenek ahhoz, hogy a legtöbbet hozhassuk ki ebből a könyvből. Tartalomjegyzék A következő generációs mesterséges intelligenciával való ismerkedés a megerősítéses tanuláson keresztül A jutalmazási mátrix felépítése Az adatkészletek megtervezése A gépi intelligencia értékelő függvényei és a numerikus konvergencia A megoldások optimalizálása K-Means klaszterezéssel Hogyan használjunk döntési fákat a K-Means klaszterezés javítására A mesterséges intelligencia innovációja a Google Translate segítségével Blokkláncok optimalizálása Naive Bayes-szel Az XOR-probléma megoldása FNN-nel Absztrakt képosztályozás CNN-nel Fogalmi reprezentációs tanulás Az RL és DL kombinálása A mesterséges intelligencia és az IoT A hálózatok megjelenítése TensorFlow-val 2. Hogyan használjuk a döntési fákat a K-Means klaszterezés javítására? x és TensorBoard A chatbotok bemenetének előkészítése RBM-ekkel és PCA-val Kognitív NLP UI/CUI chatbot felállítása A chatbotok érzelmi intelligencia hiányosságainak javítása Genetikai algoritmusok hibrid neurális hálózatokban Neuromorf számítás Kvantumszámítás
