Algorytmy sztucznej inteligencji - Helion
Autor: Rishal Hurbans
Tytuł oryginału: Grokking Artificial Intelligence Algorithms
ISBN: 978-83-283-7507-9
okładka: miękka
Data wydania: 2020-12-01
Księgarnia: Helion
Cena książki: 59,25 zł (poprzednio: 79,00 zł)
Oszczędzasz: 25% (-19,75 zł)
Tytuł oryginału: Grokking Artificial Intelligence Algorithms
ISBN: 978-83-283-7507-9
okładka: miękka
Data wydania: 2020-12-01
Księgarnia: Helion
Cena książki: 59,25 zł (poprzednio: 79,00 zł)
Oszczędzasz: 25% (-19,75 zł)
Osoby które kupowały "Algorytmy sztucznej inteligencji", wybierały także:
- Windows Media Center. Domowe centrum rozrywki 66,67 zł, (8,00 zł -88%)
- Podręcznik startupu. Budowa wielkiej firmy krok po kroku 92,67 zł, (13,90 zł -85%)
- Ruby on Rails. Ćwiczenia 18,75 zł, (3,00 zł -84%)
- Scrum. O zwinnym zarz 77,22 zł, (13,90 zł -82%)
- Prawa ludzkiej natury 73,16 zł, (13,90 zł -81%)
Spis treści
Algorytmy sztucznej inteligencji. Ilustrowany przewodnik -- spis treści
- 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 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 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 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 rozwiązań w zmiennym środowisku (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 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 porzÄ…dkowe - korzystanie z sekwencji (134)
- Kodowanie za pomocÄ… drzewa - praca z hierarchiami (137)
- CzÄ™sto 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 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 rozwiązać za pomocą optymalizacji rojem cząstek (185)
- Reprezentowanie problemu - jak wyglÄ…dajÄ… czÄ…stki? (188)
- Przebieg działania algorytmu optymalizacji rojem cząstek (189)
- Zastosowania algorytmów optymalizacji rojem czÄ…stek (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 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)