Artificial Intelligence (AI)

Yapay zeka (AI) nedir?

Yapay zeka (AI), insanlar gibi düşünmek ve eylemlerini taklit etmek için programlanmış makinelerde insan zekasının simülasyonunu ifade eder. Terim ayrıca öğrenme ve problem çözme gibi bir insan zihniyle ilişkili özellikler sergileyen herhangi bir makineye de uygulanabilir.

Yapay zeka (AI), insanlar gibi çalışan ve tepki veren akıllı makinelerin yaratılmasını vurgulayan bir bilgisayar bilimi alanıdır. Süreçler öğrenme, akıl yürütme ve kendi kendini düzeltmeyi içerir. Yapay zeka, insan beyninin nasıl düşündüğünü ve bir sorunu çözmeye çalışırken insanların nasıl öğrendiğini, karar verdiğini ve çalıştığını inceleyerek başarılır.

Görüntüler, metin ve zaman serisi verilerine dayalı akıllı uygulamaların nasıl oluşturulacağını keşfedin. Arama motorları, görüntü tanıma, robotik, finans ve benzeri birçok alanda yaygın olarak kullanılmaktadır. Yapay Zeka uygulamaları oluşturmak için kullanılabilecek çeşitli algoritmalar hakkında bilgi edineceksiniz.

Senin için ne?

- Yapay Zekaya Giriş ve Akıllı Ajanlar, Yapay Zekanın Tarihçesi

- Akıllı ajanlar oluşturma (arama, oyunlar, mantık, kısıtlama memnuniyeti sorunları)

- Makine Öğrenimi algoritmaları

- Yapay Zeka Uygulamaları (Doğal Dil İşleme, Robotik / Vizyon, Dil Anlama)

Uygulama içerikleri

1) Yapay Zekaya Giriş

- Turing Testi

- Yapay Zeka Tarihi

- Tipik Yapay Zeka problemi

- Yapay Zeka Döngüsü

2) Problem çözme yaklaşımı AI

- Durum Alanı

- Grafik Arama

- Arama

- Genel Bir Arama

- Genetik Algoritma

- Genişlik İlk Arama

- Derinlik Arama

- Sezgisel Arama

- Oyunlar

- Geri izleme

- Minimax Algoritması

- Bilgisiz Arama

- N-Kraliçe örneği

- Optimum Karar

- Kabul Edilebilirlik Belgesi

- Arama Ağacı

- Alfa Beta Budama

- Geleceğe Bak

- İteratif-Derinleşme

- Açgözlü Arama

- Arama Grafiği

- Bilgili Arama

- Çift Yönlü Arama

- Tutarlılık odaklı

- Rakip Arama

- Yol tutarlılığı

- Bilgilendirilmiş Yöntem

- Diğer Bellek sınırlı

- Derinlik özellikleri

3) Bilgi ve akıl yürütme

- Önerme Mantığı

- Çıkarım Kuralı

- Gizli Markov Modeli

- Bayes ağları

- İleri zincirleme

- Birinci dereceden mantık

- VE / VEYA Ağaçlar

- Anlambilim

- Bilgi Seviyesi

- Kural tabanlı sistemler

- Saf Pro-log

- Birleşme

- Herbrand Evreni

- Sağlamlık

- Monotonik Olmayan

4) Mantıksal hareket etme ve öğrenme

- Güçlendirilmiş Öğrenme

- Bayes Semantiği

- Denetimli Öğrenme

- Öğrenme sorunu

- Anlamsal Ağlar

- Sinir ağı

- Yerli Bayes Modeli

- Yapay Sinir

- Olasılıksal

- Çerçeveler

- Karar Ağacı Budama

- Algılayıcı

- İstatistiksel öğrenme

- Aday Eliminasyonu

- Geri Yayılma

- Denetimsiz

- Öğrenme Taksonomisi

- Anlambilimin Genişletilmesi

- Çok Katmanlı

- Bölme İşlevleri

- Araya Ekleme ve Alt Plana Ekleme

- Arama olarak planlama

- EM Algoritmasının Genel Şekli

5) İletişim kurma, algılama ve hareket etme

- Regresyon Algoritması

- Doğal lisan

- Kümeleme Algoritması

- İstatistiksel Algoritma

- Desen tanıma

- Kullanım ve Uygulama

- Belirsizlik

- Dil Adımları

Bu beş birim 142 konu içeriyor ve hepsini okuyarak R, Python, SAS, Matlab, Weka, SPSS gibi dilleri kullanarak bir sistem tasarlamak için yeterince iyi olacaksınız.