Opinie czytelników
Podsumowanie:Książka „Artificial Intelligence by Example” autorstwa Denisa Rothmana jest chwalona za mistrzowskie połączenie teorii i praktycznego zastosowania w szerokim zakresie tematów związanych ze sztuczną inteligencją. Skutecznie wypełnia luki pozostawione przez inne książki o sztucznej inteligencji, zapewniając wgląd zarówno w koncepcje matematyczne, jak i implementacje kodowania. Jednak niektóre recenzje podkreślały brak struktury, organizacji i głębi w niektórych tematach ze względu na szeroki zakres.
Zalety:⬤ Mistrzowsko łączy teorię z praktycznymi przykładami kodowania.
⬤ Pomaga wypełnić lukę między koncepcjami matematycznymi a aplikacjami programistycznymi.
⬤ Obejmuje szeroki zakres tematów związanych ze sztuczną inteligencją, dzięki czemu jest odpowiedni dla różnych odbiorców (studentów, programistów, kierowników projektów).
⬤ Zawiera odpowiedzi do ćwiczeń, usprawniając naukę.
⬤ Wciągająca i łatwa lektura z różnorodnymi przykładami.
Wady:⬤ Brak organizacji i spójności pomiędzy rozdziałami, co sprawia, że książka wydaje się chaotyczna.
⬤ Niektóre tematy nie zostały dogłębnie omówione ze względu na szeroki zakres książki.
⬤ Sporadyczne gawędziarstwo i niejasne przykłady z życia wzięte.
⬤ Niektórzy czytelnicy mieli trudności ze zrozumieniem niektórych sekcji, szczególnie tych zawierających złożone koncepcje.
(na podstawie 17 opinii czytelników)
Oryginalny tytuł:
Artificial Intelligence By Example - Second Edition
Zawartość książki:
Zrozum podstawy i opracuj własne rozwiązania AI w tym zaktualizowanym wydaniu pełnym wielu nowych przykładów Kluczowe cechy Przykłady oparte na sztucznej inteligencji, które poprowadzą Cię w projektowaniu i wdrażaniu inteligencji maszynowej Zbuduj inteligencję maszynową od podstaw, korzystając z przykładów sztucznej inteligencji Opracuj inteligencję maszynową od podstaw, korzystając z prawdziwej sztucznej inteligencji Opis książki
Sztuczna inteligencja ma potencjał do replikowania ludzi w każdej dziedzinie. Artificial Intelligence By Example, Second Edition służy jako punkt wyjścia do zrozumienia, w jaki sposób budowana jest sztuczna inteligencja, za pomocą intrygujących i ekscytujących przykładów.
Ta książka sprawi, że staniesz się adaptacyjnym myślicielem i pomoże ci zastosować koncepcje w rzeczywistych scenariuszach. Korzystając z niektórych z najciekawszych przykładów sztucznej inteligencji, od programów komputerowych, takich jak prosty silnik szachowy, po poznawcze chatboty, dowiesz się, jak radzić sobie z maszyną, z którą konkurujesz. Przeanalizujesz niektóre z najbardziej zaawansowanych modeli uczenia maszynowego, zrozumiesz, jak zastosować sztuczną inteligencję do blockchain i Internetu rzeczy (IoT) oraz rozwiniesz iloraz emocjonalny w chatbotach za pomocą sieci neuronowych, takich jak rekurencyjne sieci neuronowe (RNN) i konwolucyjne sieci neuronowe (CNN).
To wydanie zawiera również nowe przykłady dotyczące hybrydowych sieci neuronowych, łączenia uczenia ze wzmocnieniem (RL) i uczenia głębokiego (DL), algorytmów łańcuchowych, łączenia uczenia bez nadzoru z drzewami decyzyjnymi, lasów losowych, łączenia DL i algorytmów genetycznych, konwersacyjnych interfejsów użytkownika (CUI) dla chatbotów, obliczeń neuromorficznych i obliczeń kwantowych.
Pod koniec tej książki zrozumiesz podstawy sztucznej inteligencji i przeanalizujesz szereg przykładów, które pomogą ci opracować własne rozwiązania AI. Czego się nauczysz Zastosuj k- najbliższych sąsiadów (KNN) do tłumaczeń językowych i zbadać możliwości Google Translate Zrozumieć algorytmy łańcuchowe łączące nienadzorowane uczenie się z drzewami decyzyjnymi Rozwiązać problem XOR za pomocą sieci neuronowych typu feedforward (FNN) i zbudować ich architekturę do reprezentowania grafu przepływu danych Poznać modele meta uczenia się z hybrydowymi sieciami neuronowymi Stworzyć chatbota i zoptymalizować jego braki w inteligencji emocjonalnej za pomocą narzędzi takich jak Small Talk i rejestrowanie danych Budowanie konwersacyjnych interfejsów użytkownika (CUI) dla chatbotów Pisanie algorytmów genetycznych, które optymalizują sieci neuronowe głębokiego uczenia się Zbudować kwantowe obwody obliczeniowe Dla kogo jest ta książka?
Programiści i osoby zainteresowane sztuczną inteligencją, które chcą zrozumieć podstawy sztucznej inteligencji i wdrożyć je w praktyce. Wcześniejsze doświadczenie w programowaniu w języku Python i wiedza statystyczna są niezbędne, aby w pełni wykorzystać tę książkę. Spis treści Wprowadzenie do sztucznej inteligencji nowej generacji poprzez uczenie ze wzmocnieniem Budowanie macierzy nagród Projektowanie zbiorów danych Funkcje oceny inteligencji maszynowej i zbieżność numeryczna Optymalizacja rozwiązań za pomocą klastrowania K-Means Jak wykorzystać drzewa decyzyjne do ulepszenia klastrowania K-Means Innowacyjna sztuczna inteligencja z Google Translate Optymalizacja łańcuchów bloków za pomocą naiwnych bayesów Rozwiązywanie problemu XOR za pomocą FNN Abstrakcyjna klasyfikacja obrazów za pomocą CNN Konceptualne uczenie się reprezentacji Łączenie RL i DL AI i IoT Wizualizacja sieci za pomocą TensorFlow 2. x i TensorBoard Przygotowywanie danych wejściowych chatbotów za pomocą RBM i PCA Konfigurowanie chatbota kognitywnego NLP UI/CUI Poprawa niedostatków inteligencji emocjonalnej chatbotów Algorytmy genetyczne w hybrydowych sieciach neuronowych Obliczenia neuromorficzne Obliczenia kwantowe
