Artificial Intelligence (AI)

Laat u de expert op het gebied van kunstmatige intelligentie (AI) en machine learning (ML) worden.

Wat is kunstmatige intelligentie (AI)?

Kunstmatige intelligentie (AI) verwijst naar de simulatie van menselijke intelligentie in machines die zijn geprogrammeerd om als mensen te denken en hun acties na te bootsen. De term kan ook worden toegepast op elke machine die eigenschappen vertoont die verband houden met een menselijke geest, zoals leren en probleemoplossing.

Kunstmatige intelligentie (AI) is een gebied van informatica dat de nadruk legt op het creëren van intelligente machines die werken en reageren als mensen. De processen omvatten leren, redeneren en zelfcorrectie. AI wordt bereikt door te bestuderen hoe het menselijk brein denkt en hoe mensen leren, beslissen en werken terwijl ze proberen een probleem op te lossen.

Ontdek hoe u intelligente applicaties bouwt die zijn gericht op afbeeldingen, tekst en tijdreeksgegevens. Het wordt veelvuldig gebruikt op vele gebieden, zoals zoekmachines, beeldherkenning, robotica, financiën, enzovoort. Je leert over verschillende algoritmen die kunnen worden gebruikt om Artificial Intelligence-apps te bouwen.

Wat is er voor jou?

- Inleiding tot kunstmatige intelligentie en intelligente agenten, geschiedenis van kunstmatige intelligentie

- Intelligente agents bouwen (zoeken, games, logica, tevredenheidsproblemen met beperkingen)

- Machine Learning-algoritmen

- Toepassingen van AI (Natural Language Processing, Robotics / Vision, Language Understanding)

App-inhoud

1) Inleiding tot AI

- Turing Test

- Geschiedenis van kunstmatige intelligentie

- Typisch probleem met kunstmatige intelligentie

- De kunstmatige intelligentiecyclus

2) Probleemoplossende aanpak AI

- Staatsruimte

- Grafiek zoeken

- Een zoekopdracht

- Een generieke zoekopdracht

- Genetisch algoritme

- Breedte-eerste zoekopdracht

- Diepte zoeken

- Heuristisch zoeken

- Spellen

- Backtracking

- Minimax-algoritme

- Niet-geïnformeerde zoekopdracht

- N-Queen monster

- Optimale beslissing

- Bewijs van ontvankelijkheid

- Zoekboom

- Alpha Beta Snoeien

- Vooruit kijken

- Iteratieve verdieping

- Gulzig zoeken

- Zoek grafiek

- Geïnformeerde zoekopdracht

- Bidirectioneel zoeken

- Consistentie gedreven

- Tegenstrijdig zoeken

- Padconsistentie

- Methode van geïnformeerd

- Ander geheugen beperkt

- Eigenschappen van diepte

3) Kennis en redenering

- Propositionele logica

- Regel van gevolgtrekking

- Verborgen Markov-model

- Bayesiaanse netwerken

- Forward chaining

- Logica van de eerste orde

- EN / OF Bomen

- Semantiek

- Kennisniveau

- Op regels gebaseerde systemen

- Pure Pro-log

- Eenmaking

- Herbrand Universe

- Degelijkheid

- Niet-monotoon

4) Logisch handelen en leren

- Versterkt leren

- Semantiek van Bayesiaans

- Leren onder toezicht

- Leerprobleem

- Semantische netwerken

- Neuraal netwerk

- Native Bayes-model

- Kunstmatige neuraal

- Waarschijnlijk

- Frames

- Besnoeiingsboom snoeien

- Perceptron

- Statistisch leren

- Kandidaat-eliminatie

- Voortplanting

- Ongecontroleerd

- Taxonomie van leren

- Semantisch uitbreiden

- Meerdere lagen

- Splitsingsfuncties

- Interleaving vs. niet-interleaving van subplan

- Planning als zoekactie

- De algemene vorm van EM-algoritme

5) Communiceren, waarnemen en handelen

- Regressie-algoritme

- Natuurlijke taal

- Clustering-algoritme

- Statistisch algoritme

- Patroonherkenning

- Gebruik en toepassing

- Dubbelzinnigheid

- Stappen in taal

Deze vijf units bevatten 142 onderwerpen en door alles te lezen, ben je goed genoeg om een ​​systeem te ontwerpen met talen als R, Python, SAS, Matlab, Weka, SPSS enz.