Artificial Intelligence (AI)

Consente di diventare l'esperto di intelligenza artificiale (AI) e Machine Learning (ML).

Che cos'è l'intelligenza artificiale (AI)?

L'intelligenza artificiale (AI) si riferisce alla simulazione dell'intelligenza umana in macchine programmate per pensare come gli umani e imitare le loro azioni. Il termine può anche essere applicato a qualsiasi macchina che mostri tratti associati a una mente umana come l'apprendimento e la risoluzione dei problemi.

L'intelligenza artificiale (AI) è un'area dell'informatica che enfatizza la creazione di macchine intelligenti che funzionano e reagiscono come gli umani. I processi includono l'apprendimento, il ragionamento e l'auto-correzione. L'intelligenza artificiale si ottiene studiando come pensa il cervello umano e come gli umani imparano, decidono e lavorano mentre cercano di risolvere un problema.

Scopri come creare applicazioni intelligenti incentrate su immagini, testo e dati di serie temporali. È ampiamente utilizzato in molti settori come motori di ricerca, riconoscimento delle immagini, robotica, finanza e così via. Imparerai a conoscere vari algoritmi che possono essere utilizzati per creare app di Intelligenza Artificiale.

Cosa fa per te?

- Introduzione all'intelligenza artificiale e agli agenti intelligenti, storia dell'intelligenza artificiale

- Creazione di agenti intelligenti (ricerca, giochi, logica, problemi di soddisfazione dei vincoli)

- Algoritmi di Machine Learning

- Applicazioni dell'IA (elaborazione del linguaggio naturale, robotica / visione, comprensione del linguaggio)

Contenuti dell'app

1) Introduzione all'intelligenza artificiale

- Test di Turing

- Storia dell'intelligenza artificiale

- Tipico problema di intelligenza artificiale

- Il ciclo di intelligenza artificiale

2) Approccio alla risoluzione dei problemi AI

- Spazio statale

- Ricerca grafico

- Una ricerca

- Una ricerca generica

- Algoritmo genetico

- Ampia ricerca

- Ricerca di profondità

- Ricerca euristica

- Giochi

- Backtracking

- Algoritmo di Minimax

- Ricerca non informata

- Campione N-Queen

- Decisione ottimale

- Prova di ammissibilità

- Albero di ricerca

- Potatura Alpha Beta

- Guarda avanti

- Approfondimento iterativo

- Ricerca golosa

- Grafico di ricerca

- Ricerca informata

- Ricerca bidirezionale

- Coerenza guidata

- Ricerca contraddittoria

- Coerenza del percorso

- Metodo di informazione

- Altra memoria limitata

- Proprietà di profondità

3) Conoscenza e ragionamento

- Proposizione logica

- Regola dell'inferenza

- Modello nascosto di Markov

- Reti bayesiane

- Concatenamento in avanti

- Logica del primo ordine

- AND / OR Alberi

- Semantica

- Livello di conoscenza

- Sistemi basati su regole

- Pro-log puro

- Unificazione

- Herbrand Universe

- Solidità

- Non monotonico

4) Agire logicamente e apprendere

- Apprendimento rinforzato

- Semantica di bayesiano

- Apprendimento supervisionato

- Problema di apprendimento

- Reti semantiche

- Rete neurale

- Modello nativo di Bayes

- Neurale artificiale

- Probabilistico

- Cornici

- Potatura dell'albero delle decisioni

- Perceptron

- Apprendimento statistico

- Eliminazione del candidato

- Back-Propagation

- Senza supervisione

- Tassonomia dell'apprendimento

- Estensione della semantica

- Multistrato

- Funzioni di divisione

- Interleaving vs. non interleaving del sottopiano

- Pianificazione come ricerca

- La forma generale dell'algoritmo EM

5) Comunicare, percepire e agire

- Algoritmo di regressione

- Linguaggio naturale

- Algoritmo di clustering

- Algoritmo statistico

- Riconoscimento del modello

- Utilizzo e applicazione

- Ambiguità

- Passaggi in lingua

Queste cinque unità contengono 142 argomenti e leggendo tutto sarai abbastanza bravo da progettare un sistema usando linguaggi come R, Python, SAS, Matlab, Weka, SPSS ecc.