Serie wydawnicze

  • Dla bystrzakow
  • Bez kantow
  • Lekarz rodzinny
  • Seriaporad.pl
  • Bezdroza
  • Michelin

Wydawnictwo Helion

Helion SA
ul. Kościuszki 1c
44-100 Gliwice
tel. (32) 230-98-63

informacje o księgarni septem.pl
Program Partnerski
O nas
© Helion 1991-2021
Algorytmy sztucznej inteligencji...

Algorytmy sztucznej inteligencji. Ilustrowany przewodnik

Autor:  

Stron: 336
Ksiazka drukowana Druk oprawa miękka 3w1 w pakiecie: PdfPDF ePubePub MobiMobi
Wydawca: Helion
Wydawca: Helion
Cena:
79,00 zł
Cena promocyjna: Oszczędzasz: 15,80 zł
63,20 zł 79,00 zł
Dodaj do koszyka
Kup terazstrzalka
Wysyłamy w 24h + do przechowalni + do przechowalni

Druk
Książka drukowana
79,00 zł
eBook
Pdf ePub Mobi
63,20 zł
79,00 zł

Sztuczna inteligencja ma umożliwiać wykorzystywanie danych i algorytmów do podejmowania lepszych decyzji, rozwiązywania trudnych problemów i automatyzowania złożonych zadań. Ma też zwiększać produktywność człowieka. Obecnie sztuczna inteligencja z rozmachem wkracza do kolejnych dziedzin. Budzi zachwyt, ale też kontrowersje i obawy. Nowe narzędzia, choćby były tworzone z najlepszymi intencjami, zawsze mogą zostać wykorzystane w niewłaściwy czy szkodliwy sposób. Oznacza to, że każdy, kto rozwija nowe technologie, powinien to robić odpowiedzialnie. Aby to było możliwe, trzeba dobrze zrozumieć podstawy działania sztucznej inteligencji - algorytmy.

To praktyczny przewodnik po algorytmach sztucznej inteligencji. Skorzystają z niego programiści i inżynierowie, którzy chcą zrozumieć zagadnienia i algorytmy związane ze sztuczną inteligencją na podstawie praktycznych przykładów i wizualnych wyjaśnień. Książka pokazuje, jak radzić sobie z takimi zadaniami programistycznymi jak wykrywanie oszustw bankowych czy sterowanie pojazdem autonomicznym. Pierwsze rozdziały dotyczą podstawowych koncepcji i algorytmów i stają się punktem wyjścia do bardziej złożonych tematów: wydajnych algorytmów przeszukiwania oraz poszukiwania rozwiązań w środowisku konkurencyjnym. Przedstawiono tu zagadnienia uczenia maszynowego, w tym proces przygotowania danych, modelowania i testowania. Omówiono też zasady uczenia przez wzmacnianie za pomocą algorytmu Q-learning.

W książce:

  • kategorie i znaczenie algorytmów sztucznej inteligencji.
  • inteligentne przeszukiwanie w procesie podejmowania decyzji
  • algorytmy genetyczne i inteligencja rozproszona
  • uczenie maszynowe i sieci neuronowe
  • uczenie przez wzmacnianie

Zrozum algorytmy, a pojmiesz istotę sztucznej inteligencji!

  • Przedmowa (ix)
  • Podziękowania (xvii)
  • O książce (xix)
  • O autorze (xxiii)

1. Intuicyjne omówienie sztucznej inteligencji (1)

  • Czym jest sztuczna inteligencja? (1)
  • Krótka historia sztucznej inteligencji (6)
  • Rodzaje problemów i modele ich rozwiązywania (8)
  • Intuicyjne omówienie zagadnień z obszaru sztucznej inteligencji (10)
  • Zastosowania algorytmów sztucznej inteligencji (14)

2. Podstawy przeszukiwania (21)

  • Czym jest planowanie i przeszukiwanie? (21)
  • Koszt obliczeń - powód stosowania inteligentnych algorytmów (24)
  • Jakie problemy można rozwiązywać za pomocą algorytmów przeszukiwania? (25)
  • Reprezentowanie stanu - tworzenie platformy do reprezentowania przestrzeni problemowej i rozwiązań (28)
  • Przeszukiwanie siłowe - szukanie rozwiązań po omacku (33)
  • Przeszukiwanie wszerz - najpierw wszerz, potem w głąb (35)
  • Przeszukiwanie w głąb - najpierw w głąb, potem wszerz (44)
  • Zastosowania siłowych algorytmów przeszukiwania (51)
  • Opcjonalne informacje - rodzaje grafów (51)
  • Opcjonalne informacje - inne sposoby reprezentowania grafów (54)

3. Inteligentne przeszukiwanie (57)

  • Definiowanie heurystyk - projektowanie hipotez opartych na wiedzy (57)
  • Przeszukiwanie sterowane - szukanie rozwiązań z wykorzystaniem wskazówek (60)
  • Przeszukiwanie antagonistyczne - szukanie rozwiązań w zmiennym środowisku (70)

4. Algorytmy ewolucyjne (87)

  • Czym jest ewolucja? (87)
  • Problemy, jakie można rozwiązywać za pomocą algorytmów ewolucyjnych (90)
  • Algorytm genetyczny - cykl życia (94)
  • Kodowanie przestrzeni rozwiązań (97)
  • Tworzenie populacji rozwiązań (102)
  • Pomiar przystosowania osobników w populacji (104)
  • Wybór rodziców na podstawie przystosowania (107)
  • Generowanie osobników na podstawie rodziców (111)
  • Tworzenie populacji następnego pokolenia (116)
  • Konfigurowanie parametrów algorytmu genetycznego (120)
  • Zastosowania algorytmów ewolucyjnych (121)

5. Zaawansowane techniki ewolucyjne (125)

  • Cykl życia algorytmu ewolucyjnego (125)
  • Różne strategie selekcji (127)
  • Kodowanie z użyciem liczb rzeczywistych (130)
  • Kodowanie porządkowe - korzystanie z sekwencji (134)
  • Kodowanie za pomocą drzewa - praca z hierarchiami (137)
  • Często spotykane rodzaje algorytmów ewolucyjnych (141)
  • Słowniczek pojęć związanych z algorytmami ewolucyjnymi (142)
  • Inne zastosowania algorytmów ewolucyjnych (143)

6. Inteligencja rozproszona: mrówki (145)

  • Czym jest inteligencja rozproszona? (145)
  • Problemy dostosowane do algorytmu mrówkowego (148)
  • Reprezentowanie stanu - jak zapisać ścieżki i mrówki? (152)
  • Cykl życia algorytmu mrówkowego (156)
  • Zastosowania algorytmu mrówkowego (177)

7. Inteligencja rozproszona: cząstki (179)

  • Na czym polega optymalizacja rojem cząstek? (179)
  • Problemy optymalizacyjne - bardziej techniczne spojrzenie (181)
  • Problemy, jakie można rozwiązać za pomocą optymalizacji rojem cząstek (185)
  • Reprezentowanie problemu - jak wyglądają cząstki? (188)
  • Przebieg działania algorytmu optymalizacji rojem cząstek (189)
  • Zastosowania algorytmów optymalizacji rojem cząstek (209)

8. Uczenie maszynowe (213)

  • Czym jest uczenie maszynowe? (213)
  • Problemy, jakie można rozwiązywać za pomocą uczenia maszynowego (215)
  • Przebieg uczenia maszynowego (217)
  • Klasyfikowanie z użyciem drzew decyzyjnych (241)
  • Inne popularne algorytmy uczenia maszynowego (258)
  • Zastosowania algorytmów uczenia maszynowego (260)

9. Sztuczne sieci neuronowe (263)

  • Czym są sztuczne sieci neuronowe? (263)
  • Perceptron: reprezentacja neuronu (266)
  • Definiowanie sieci ANN (271)
  • Propagacja w przód - używanie wyuczonej sieci ANN (278)
  • Propagacja wsteczna - uczenie sieci ANN (286)
  • Możliwe funkcje aktywacji (298)
  • Projektowanie sztucznych sieci neuronowych (299)
  • Typy i zastosowania sieci ANN (303)

10. Uczenie przez wzmacnianie z użyciem algorytmu Q-learning (307)

  • Czym jest uczenie przez wzmacnianie? (307)
  • Problemy rozwiązywane za pomocą uczenia przez wzmacnianie (311)
  • Przebieg uczenia przez wzmacnianie (313)
  • Deep learning w uczeniu przez wzmacnianie (331)
  • Zastosowania uczenia przez wzmacnianie (332)
logotypy