Używamy cookies, aby ułatwić korzystanie z Portalu. Możesz określić warunki przechowywania, dostępu do plików cookies w Twojej przeglądarce. Dowiedz się więcej.
strona główna Strona główna | Nowości | Promocje | Zapowiedzi Twoje konto | Zarejestruj | Schowek | Kontakt | Pomoc
mapa działów
Szukaj: szukanie zaawansowane
Koszyk
Książki \ Programowanie \ Algorytmy

Algorytmy sztucznej inteligencji. Ilustrowany przewodnik Język: 1

978-83-283-7507-9

Cena Brutto: 79.00

Cena netto: 75.24

Ilość:
Wersja: Drukowana
Autor Rishal Hurbans
Liczba_stron 366
Wydawnictwo Helion
Oprawa miękka
Data_Wydania 2021-04-06

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)
powrót
 
Produkty Podobne
Algorytmy sztucznej inteligencji. Ilustrowany przewodnik
Algorytmy Data Science. Siedmiodniowy przewodnik. Wydanie II
Algorytmy, struktury danych i techniki programowania dla programistów Java
Algorytmy uczenia maszynowego. Zaawansowane techniki implementacji
Algorytmy, struktury danych i techniki programowania. Wydanie VI
Zrozum struktury danych. Algorytmy i praca na danych w Javie
Algorytmy. Ilustrowany przewodnik
Inteligentna sieć. Algorytmy przyszłości. Wydanie II
Naczelny Algorytm. Jak jego odkrycie zmieni nasz świat
Algorytmy
Więcej produktów