Artificial Intelligence (AI)

ช่วยทำให้คุณเป็นผู้เชี่ยวชาญด้านปัญญาประดิษฐ์ (AI) และการเรียนรู้ของเครื่องจักร (ML)

ปัญญาประดิษฐ์ (AI) คืออะไร?

ปัญญาประดิษฐ์ (AI) หมายถึงการจำลองความฉลาดของมนุษย์ในเครื่องจักรที่ตั้งโปรแกรมให้คิดเหมือนมนุษย์และเลียนแบบการกระทำของพวกเขา คำนี้อาจนำไปใช้กับเครื่องจักรที่แสดงลักษณะที่เกี่ยวข้องกับจิตใจมนุษย์เช่นการเรียนรู้และการแก้ปัญหา

ปัญญาประดิษฐ์ (AI) เป็นวิทยาศาสตร์คอมพิวเตอร์ที่เน้นการสร้างเครื่องจักรอัจฉริยะที่ทำงานและตอบสนองเหมือนมนุษย์ กระบวนการรวมถึงการเรียนรู้การใช้เหตุผลและการแก้ไขตนเอง AI นั้นสำเร็จได้โดยการศึกษาว่าสมองของมนุษย์คิดอย่างไรและมนุษย์เรียนรู้ตัดสินใจและทำงานอย่างไรขณะที่พยายามแก้ปัญหา

ค้นพบวิธีสร้างแอปพลิเคชั่นอัจฉริยะที่มีศูนย์กลางอยู่ที่ข้อมูลรูปภาพข้อความและอนุกรมเวลา มันถูกใช้อย่างกว้างขวางในหลาย ๆ ด้านเช่นเครื่องมือค้นหาการจดจำรูปภาพหุ่นยนต์การเงินและอื่น ๆ คุณจะได้เรียนรู้เกี่ยวกับอัลกอริทึมต่าง ๆ ที่สามารถใช้สร้างแอพปัญญาประดิษฐ์

สำหรับคุณคืออะไร

- ความรู้เบื้องต้นเกี่ยวกับปัญญาประดิษฐ์และตัวแทนอัจฉริยะประวัติศาสตร์ของปัญญาประดิษฐ์

- การสร้างตัวแทนอัจฉริยะ (การค้นหาเกมตรรกะปัญหาความพึงพอใจของข้อ จำกัด )

- อัลกอริทึมการเรียนรู้ของเครื่อง

- การประยุกต์ใช้ AI (การประมวลผลภาษาธรรมชาติหุ่นยนต์ / วิสัยทัศน์ความเข้าใจภาษา)

เนื้อหาแอป

1) ความรู้เบื้องต้นเกี่ยวกับ AI

- การทดสอบของทัวริง

- ประวัติความเป็นมาของปัญญาประดิษฐ์

- ปัญหาปัญญาประดิษฐ์ทั่วไป

- วงจรปัญญาประดิษฐ์

2) แนวทางการแก้ไขปัญหา AI

- พื้นที่ของรัฐ

- การค้นหากราฟ

- การค้นหา A *

- การค้นหาทั่วไป

- อัลกอริทึมทางพันธุกรรม

- การค้นหาความกว้าง - แรก

- ค้นหาความลึก

- ค้นหา Heuristic

- เกม

- การย้อนรอย

- ขั้นตอนวิธีขั้นต่ำ

- การค้นหาที่ไม่รู้ข้อมูล

- ตัวอย่าง N-Queen

- การตัดสินใจที่เหมาะสมที่สุด

- หลักฐานการรับสมัคร

- แผนผังการค้นหา

- การตัดแต่งกิ่งเบต้า

- มองไปข้างหน้า

- ซ้ำลึกลงไป

- ค้นหาโลภ

- กราฟการค้นหา

- ค้นหาข้อมูล

- ค้นหาแบบสองทิศทาง

- ความสอดคล้องขับเคลื่อน

- การค้นหาคู่ปรับ

- ความสอดคล้องของเส้นทาง

- วิธีการแจ้ง

- หน่วยความจำอื่น จำกัด

- คุณสมบัติของความลึก

3) ความรู้และการใช้เหตุผล

- Propositional Logic

- กฎการอนุมาน

- โมเดลมาร์คอฟที่ซ่อนอยู่

- เครือข่ายแบบเบย์

- การผูกมัดส่งต่อ

- ตรรกะลำดับแรก

- และ / หรือต้นไม้

- ความหมาย

- ระดับความรู้

- ระบบตามกฎ

- Pure Pro-log

- การรวมกัน

- จักรวาล Herbrand

- ความสมบูรณ์

- Non-Monotonic

4) ทำหน้าที่อย่างมีเหตุผลและเรียนรู้

- เสริมการเรียนรู้

- ความหมายของ Bayesian

- การเรียนรู้ภายใต้การดูแล

- ปัญหาการเรียนรู้

- เครือข่ายความหมาย

- โครงข่ายประสาทเทียม

- โมเดลเบย์เนทีฟ

- ระบบประสาทเทียม

- ความน่าจะเป็น

- เฟรม

- การตัดแต่งกิ่งการตัดสินใจ

- Perceptron

- สถิติการเรียนรู้

- การกำจัดผู้สมัคร

- การขยายพันธุ์กลับ

- ไม่ได้รับการสนับสนุน

- อนุกรมวิธานของการเรียนรู้

- การขยายความหมาย

- หลายชั้น

- ฟังก์ชั่นการแยก

- Interleaving vs. Interleaving ของแผนย่อย

- การวางแผนเป็นการค้นหา

- รูปแบบทั่วไปของอัลกอริทึม EM

5) การสื่อสารการรับรู้และการแสดง

- อัลกอริทึมการถดถอย

- ภาษาธรรมชาติ

- อัลกอริทึมการจัดกลุ่ม

- อัลกอริทึมทางสถิติ

- การจดจำรูปแบบ

- การใช้งานและการใช้งาน

- ความกำกวม

- ขั้นตอนในภาษา

ห้าหน่วยนี้มี 142 หัวข้อและโดยการอ่านทั้งหมดคุณจะดีพอที่จะออกแบบระบบโดยใช้ภาษาเช่น R, Python, SAS, Matlab, Weka, SPSS เป็นต้น