Sztuczna inteligencja ma umożliwiać wykorzystywanie danych i algorytmów do podejmowania lepszych decyzji, rozwiÄ…zywania trudnych problemów i automatyzowania zÅ‚ożonych zadaÅ„. Ma też zwiÄ™kszać produktywność czÅ‚owieka. Obecnie sztuczna inteligencja z rozmachem wkracza do kolejnych dziedzin. Budzi zachwyt, ale też kontrowersje i obawy. Nowe narzÄ™dzia, choćby byÅ‚y tworzone z najlepszymi intencjami, zawsze mogÄ… zostać wykorzystane w niewÅ‚aÅ›ciwy czy szkodliwy sposób. Oznacza to, że każdy, kto rozwija nowe technologie, powinien to robić odpowiedzialnie. Aby to byÅ‚o możliwe, trzeba dobrze zrozumieć podstawy dziaÅ‚ania sztucznej inteligencji - algorytmy.

To praktyczny przewodnik po algorytmach sztucznej inteligencji. SkorzystajÄ… z niego programiÅ›ci i inżynierowie, którzy chcÄ… zrozumieć zagadnienia i algorytmy zwiÄ…zane ze sztucznÄ… inteligencjÄ… na podstawie praktycznych przykÅ‚adów i wizualnych wyjaÅ›nieÅ„. Książka pokazuje, jak radzić sobie z takimi zadaniami programistycznymi jak wykrywanie oszustw bankowych czy sterowanie pojazdem autonomicznym. Pierwsze rozdziaÅ‚y dotyczÄ… podstawowych koncepcji i algorytmów i stajÄ… siÄ™ punktem wyjÅ›cia do bardziej zÅ‚ożonych tematów: wydajnych algorytmów przeszukiwania oraz poszukiwania rozwiÄ…zaÅ„ w Å›rodowisku konkurencyjnym. Przedstawiono tu zagadnienia uczenia maszynowego, w tym proces przygotowania danych, modelowania i testowania. Omówiono też zasady uczenia przez wzmacnianie za pomocÄ… 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 istotÄ™ sztucznej inteligencji!

Osoby które kupowały "Algorytmy sztucznej inteligencji. Ilustrowany przewodnik", wybierały także:

• Zrozum struktury danych. Algorytmy i praca na danych w Javie 39,67 zÅ‚, (11,90 zÅ‚ -70%)
• Projektowanie oprogramowania dla zupeÅ‚nie poczÄ…tkujÄ…cych. Owoce programowania. Wydanie V 125,48 zÅ‚, (38,90 zÅ‚ -69%)
• Python na maturze. Kurs video. Algorytmy i podstawy j 139,00 zÅ‚, (62,55 zÅ‚ -55%)
• Algorytmy Data Science. Siedmiodniowy przewodnik. Wydanie II 49,00 zÅ‚, (26,95 zÅ‚ -45%)
• Tablice informatyczne. Algorytmy 17,00 zÅ‚, (9,35 zÅ‚ -45%)

Spis treści

Algorytmy sztucznej inteligencji. Ilustrowany przewodnik eBook -- spis treści

• Przedmowa (ix)
• PodziÄ™kowania (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 rozwiÄ…zywania (8)
• Intuicyjne omówienie zagadnieÅ„ z obszaru sztucznej inteligencji (10)
• Zastosowania algorytmów sztucznej inteligencji (14)

2. Podstawy przeszukiwania (21)

• Czym jest planowanie i przeszukiwanie? (21)
• Koszt obliczeÅ„ - powód stosowania inteligentnych algorytmów (24)
• Jakie problemy można rozwiÄ…zywać za pomocÄ… algorytmów przeszukiwania? (25)
• Reprezentowanie stanu - tworzenie platformy do reprezentowania przestrzeni problemowej i rozwiÄ…zaÅ„ (28)
• Przeszukiwanie siÅ‚owe - szukanie rozwiÄ…zaÅ„ po omacku (33)
• Przeszukiwanie wszerz - najpierw wszerz, potem w gÅ‚Ä…b (35)
• Przeszukiwanie w gÅ‚Ä…b - najpierw w gÅ‚Ä…b, potem wszerz (44)
• Zastosowania siÅ‚owych 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 rozwiÄ…zaÅ„ z wykorzystaniem wskazówek (60)
• Przeszukiwanie antagonistyczne - szukanie rozwiÄ…zaÅ„ w zmiennym Å›rodowisku (70)

4. Algorytmy ewolucyjne (87)

• Czym jest ewolucja? (87)
• Problemy, jakie można rozwiÄ…zywać za pomocÄ… algorytmów ewolucyjnych (90)
• Algorytm genetyczny - cykl życia (94)
• Kodowanie przestrzeni rozwiÄ…zaÅ„ (97)
• Tworzenie populacji rozwiÄ…zaÅ„ (102)
• Pomiar przystosowania osobników w populacji (104)
• Wybór rodziców na podstawie przystosowania (107)
• Generowanie osobników na podstawie rodziców (111)
• Tworzenie populacji nastÄ™pnego 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 porzÄ…dkowe - korzystanie z sekwencji (134)
• Kodowanie za pomocÄ… drzewa - praca z hierarchiami (137)
• CzÄ™sto spotykane rodzaje algorytmów ewolucyjnych (141)
• SÅ‚owniczek pojęć zwiÄ…zanych 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 Å›cieżki i mrówki? (152)
• Cykl życia algorytmu mrówkowego (156)
• Zastosowania algorytmu mrówkowego (177)

7. Inteligencja rozproszona: czÄ…stki (179)

• Na czym polega optymalizacja rojem czÄ…stek? (179)
• Problemy optymalizacyjne - bardziej techniczne spojrzenie (181)
• Problemy, jakie można rozwiÄ…zać za pomocÄ… optymalizacji rojem czÄ…stek (185)
• Reprezentowanie problemu - jak wyglÄ…dajÄ… czÄ…stki? (188)
• Przebieg dziaÅ‚ania algorytmu optymalizacji rojem czÄ…stek (189)
• Zastosowania algorytmów optymalizacji rojem czÄ…stek (209)

8. Uczenie maszynowe (213)

• Czym jest uczenie maszynowe? (213)
• Problemy, jakie można rozwiÄ…zywać za pomocÄ… 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 sÄ… 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 rozwiÄ…zywane za pomocÄ… uczenia przez wzmacnianie (311)
• Przebieg uczenia przez wzmacnianie (313)
• Deep learning w uczeniu przez wzmacnianie (331)
• Zastosowania uczenia przez wzmacnianie (332)