Sztuczna inteligencja. Nowe spojrzenie. Wydanie IV. Tom 2 - Helion
Tytuł oryginału: Artificial Intelligence: A Modern Approach, 4th Edition (tom 2)
Tłumaczenie: Andrzej Gra
ISBN: 978-83-283-7774-5
stron: 472, Format: ebook
Data wydania: 2022-11-01
Księgarnia: Helion
Cena książki: 70,95 zł (poprzednio: 126,70 zł)
Oszczędzasz: 44% (-55,75 zł)
Osoby które kupowały "Sztuczna inteligencja. Nowe spojrzenie. Wydanie IV. Tom 2", wybierały także:
- GNU/Linux Rapid Embedded Programming 186,88 zł, (29,90 zł -84%)
- ROS Robotics Projects 157,37 zł, (29,90 zł -81%)
- Hands-On Industrial Internet of Things 135,91 zł, (29,90 zł -78%)
- Managing Mission - Critical Domains and DNS 135,91 zł, (29,90 zł -78%)
- Robot Operating System Cookbook 135,91 zł, (29,90 zł -78%)
Spis treści
Sztuczna inteligencja. Nowe spojrzenie. Wydanie IV. Tom 2 eBook -- spis treści
V. UCZENIE MASZYNOWE
Rozdział 19. UCZENIE MASZYNOWE Z PRZYKŁADOWYCH DANYCH
- 19.1. Formy uczenia maszynowego
- 19.2. Uczenie nadzorowane
- 19.3. Drzewa decyzyjne w uczeniu maszynowym
- 19.4. Selekcja modelu i optymalizacja
- 19.5. Teoria uczenia maszynowego
- 19.6. Regresja liniowa i klasyfikacja
- 19.7. Modele nieparametryczne
- 19.8. Uczenie zespołowe
- 19.9. Budowanie systemów uczenia maszynowego
- Podsumowanie
- Bibliografia i uwagi historyczne
Rozdział 20. UCZENIE MODELI PROBABILISTYCZNYCH
- 20.1. Uczenie statystyczne
- 20.2. Uczenie z kompletnych danych
- 20.3. Uczenie z ukrytymi zmiennymi: algorytm EM
- Podsumowanie
- Bibliografia i uwagi historyczne
Rozdział 21. GŁĘBOKIE UCZENIE
- 21.1. Proste sieci ze sprzężeniem w przód
- 21.2. Grafy obliczeniowe dla głębokiego uczenia
- 21.3. Konwolucyjne sieci neuronowe (CNN)
- 21.4. Algorytmy głębokiego uczenia
- 21.5. Generalizacja
- 21.6. Rekurencyjne sieci neuronowe (RNN)
- 21.7. Nienadzorowane uczenie transferowe
- 21.8. Zastosowania
- Podsumowanie
- Bibliografia i uwagi historyczne
Rozdział 22. UCZENIE ZE WZMACNIANIEM
- 22.1. Uczenie się dla nagród
- 22.2. Pasywne uczenie ze wzmacnianiem
- 22.3. Aktywne uczenie ze wzmacnianiem
- 22.4. Generalizacja w uczeniu ze wzmacnianiem
- 22.5. Wyszukiwanie polityki
- 22.6. Uczenie praktykanckie i odwrotne uczenie ze wzmacnianiem
- 22.7. Zastosowania uczenia ze wzmacnianiem
- Podsumowanie
- Bibliografia i uwagi historyczne
VI. KOMUNIKACJA, PERCEPCJA I DZIAŁANIE
Rozdział 23. PRZETWARZANIE JĘZYKA NATURALNEGO
- 23.1. Modele językowe
- 23.2. Gramatyka
- 23.3. Parsowanie
- 23.4. Gramatyki augmentowane
- 23.5. Komplikacje języków naturalnych
- 23.6. Zadania NLP
- Podsumowanie
- Bibliografia i uwagi historyczne
Rozdział 24. GŁĘBOKIE UCZENIE W PRZETWARZANIU JĘZYKA NATURALNEGO
- 24.1. Embeddingi słów
- 24.2. Rekurencyjne sieci neuronowe w NLP
- 24.3. Modele "sekwencja na sekwencję"
- 24.4. Architektura transformerów
- 24.5. Trenowanie wstępne i uczenie transferowe
- 24.6. Obecny stan sztuki
- Podsumowanie
- Bibliografia i uwagi historyczne
Rozdział 25. WIDZENIE KOMPUTEROWE
- 25.1. Wstęp
- 25.2. Formowanie obrazów
- 25.3. Podstawowe cechy obrazów
- 25.4. Klasyfikowanie obrazów
- 25.5. Wykrywanie obiektów
- 25.6. Rzeczywistość 3D
- 25.7. Widzenie komputerowe w praktyce
- Podsumowanie
- Bibliografia i uwagi historyczne
Rozdział 26. ROBOTYKA
- 26.1. Wstęp
- 26.2. Sprzęt robotów
- 26.3. Jakie rodzaje problemów rozwiązywać może robotyka?
- 26.4. Percepcja robotów
- 26.5. Planowanie i sterowanie
- 26.6. Planowanie ruchu w warunkach niepewności
- 26.7. Uczenie ze wzmacnianiem w robotyce
- 26.8. Ludzie i roboty
- 26.9. Alternatywne frameworki robotyczne
- 26.10. Domeny zastosowań robotyki
- Podsumowanie
- Bibliografia i uwagi historyczne
VII. KONKLUZJE
Rozdział 27. BEZPIECZEŃSTWO ORAZ ETYCZNE I FILOZOFICZNE ASPEKTY SZTUCZNEJ INTELIGENCJI
- 27.1. Granice sztucznej inteligencji
- 27.2. Czy maszyny mogą naprawdę myśleć?
- 27.3. Sztuczna inteligencja a etyka
- Podsumowanie
- Bibliografia i uwagi historyczne
Rozdział 28. PRZYSZŁOŚĆ SZTUCZNEJ INTELIGENCJI
- 28.1. Komponenty sztucznej inteligencji
- 28.2. Architektury sztucznej inteligencji
BIBLIOGRAFIA
SKOROWIDZ