Artificial Intelligence (AI)

Mari menjadikan anda pakar Kecerdasan Buatan (AI) dan Pembelajaran Mesin (ML).

Apa itu kecerdasan buatan (AI)?

Kecerdasan buatan (AI) merujuk kepada simulasi kecerdasan manusia dalam mesin yang diprogramkan untuk berfikir seperti manusia dan meniru tindakannya. Istilah ini juga boleh digunakan untuk mana-mana mesin yang menunjukkan sifat-sifat yang berkaitan dengan fikiran manusia seperti pembelajaran dan penyelesaian masalah.

Kecerdasan buatan (AI) adalah bidang sains komputer yang menekankan penciptaan mesin pintar yang berfungsi dan bertindak balas seperti manusia. Prosesnya merangkumi pembelajaran, penaakulan dan pembetulan diri. AI dicapai dengan mengkaji bagaimana otak manusia berfikir, dan bagaimana manusia belajar, memutuskan, dan bekerja sambil berusaha menyelesaikan masalah.

Ketahui cara membina aplikasi pintar yang berpusat pada gambar, teks, dan data siri masa. Ia digunakan secara meluas di banyak bidang seperti mesin pencari, pengecaman gambar, robotik, kewangan, dan sebagainya. Anda akan belajar tentang pelbagai algoritma yang boleh digunakan untuk membuat aplikasi Artificial Intelligence.

Apa untuk anda?

- Pengenalan kepada Artificial Intelligence dan ejen pintar, sejarah Artificial Intelligence

- Membangun agen pintar (carian, permainan, logik, masalah kepuasan kekangan)

- Algoritma Pembelajaran Mesin

- Aplikasi AI (Pemprosesan Bahasa Semula Jadi, Robotik / Visi, Pemahaman Bahasa)

Kandungan aplikasi

1) Pengenalan kepada AI

- Ujian Turing

- Sejarah Kecerdasan Buatan

- Masalah Kecerdasan Buatan Khas

- Kitaran Kecerdasan Buatan

2) Pendekatan penyelesaian masalah AI

- Ruang Negeri

- Pencarian Grafik

- Pencarian *

- Carian Generik

- Algoritma Genetik

- Carian Pertama-Lebar

- Pencarian Kedalaman

- Pencarian Heuristik

- Permainan

- Mundur

- Algoritma Minimax

- Carian Tidak Berinformasi

- Sampel N-Queen

- Keputusan Optimum

- Bukti Kebolehterimaan

- Cari Pokok

- Pemangkasan Alpha Beta

- Pandang kehadapan

- Pengulangan Iteratif

- Carian tamak

- Cari Grafik

- Carian Berinformasi

- Carian dua hala

- Konsisten didorong

- Pencarian Adversarial

- Ketekalan laluan

- Kaedah Berinformasi

- Ingatan lain terhad

- Sifat kedalaman

3) Pengetahuan dan penaakulan

- Logik cadangan

- Peraturan Inferens

- Model Markov Tersembunyi

- Rangkaian Bayesian

- Rantai ke hadapan

- Logik pesanan pertama

- DAN / ATAU Pokok

- Semantik

- Tahap Pengetahuan

- Sistem berdasarkan peraturan

- Log Pro tulen

- Penyatuan

- Herbrand Universe

- Kekukuhan

- Bukan Monotonik

4) Bertindak secara logik dan belajar

- Pembelajaran Bertetulang

- Semantik Bayesian

- Pembelajaran yang diselia

- Masalah pembelajaran

- Rangkaian Semantik

- Rangkaian neural

- Model Bayes Asli

- Saraf Buatan

- Probabilistik

- Bingkai

- Pemangkasan Pokok Keputusan

- Perceptron

- Pembelajaran statistik

- Penghapusan Calon

- Penyebaran Kembali

- Tidak diawasi

- Taksonomi Pembelajaran

- Memperluas Semantik

- Berbilang Lapisan

- Fungsi Membelah

- Interleaving vs Non-Interleaving Sub-Plan

- Merancang sebagai carian

- Bentuk Umum Algoritma EM

5) Berkomunikasi, memahami dan bertindak

- Algoritma Regresi

- Bahasa Semula jadi

- Algoritma Penggabungan

- Algoritma Statistik

- Pengecaman Corak

- Penggunaan & Aplikasi

- Kekaburan

- Langkah dalam Bahasa

Lima unit ini mengandungi 142 topik dan dengan membaca semua anda akan cukup baik untuk merancang sistem yang menggunakan bahasa seperti R, Python, SAS, Matlab, Weka, SPSS dll.