عنوان کتاب به انگلیسی: |
Artificial Intelligence By Example: Acquire Advanced AI, Machine Learning and Deep Learning design skills, 2nd Edition |
| سال انتشار: 2020 | 578 صفحه | حجم فایل: 11 مگابایت | زبان: انگلیسی |
| نویسنده | Denis Rothman |
| ناشر | Packt Publishing |
| ISBN10: | 1839211539 |
| ISBN13: | 9781839211539 |
توضیحات کتاب
Key FeaturesAI-based examples to guide you in designing and implementing machine intelligence
Build machine intelligence from scratch using artificial intelligence examples
Develop machine intelligence from scratch using real artificial intelligence
Book Description
AI has the potential to replicate humans in every field. Artificial Intelligence By Example, Second Edition serves as a starting point for you to understand how AI is built, with the help of intriguing and exciting examples.
This book will make you an adaptive thinker and help you apply concepts to real-world scenarios. Using some of the most interesting AI examples, right from computer programs such as a simple chess engine to cognitive chatbots, you will learn how to tackle the machine you are competing with. You will study some of the most advanced machine learning models, understand how to apply AI to blockchain and Internet of Things (IoT), and develop emotional quotient in chatbots using neural networks such as recurrent neural networks (RNNs) and convolutional neural networks (CNNs).
This edition also has new examples for hybrid neural networks, combining reinforcement learning (RL) and deep learning (DL), chained algorithms, combining unsupervised learning with decision trees, random forests, combining DL and genetic algorithms, conversational user interfaces (CUI) for chatbots, neuromorphic computing, and quantum computing.
By the end of this book, you will understand the fundamentals of AI and have worked through a number of examples that will help you develop your AI solutions.
What you will learn
Apply k-nearest neighbors (KNN) to language translations and explore the opportunities in Google Translate
Understand chained algorithms combining unsupervised learning with decision trees
Solve the XOR problem with feedforward neural networks (FNN) and build its architecture to represent a data flow graph
Learn about meta learning models with hybrid neural networks
Create a chatbot and optimize its emotional intelligence deficiencies with tools such as Small Talk and data logging
Building conversational user interfaces (CUI) for chatbots
Writing genetic algorithms that optimize deep learning neural networks
Build quantum computing circuits
Who this book is for
Developers and those interested in AI, who want to understand the fundamentals of Artificial Intelligence and implement them practically. Prior experience with Python programming and statistical knowledge is essential to make the most out of this book.
Table of Contents
Getting Started with Next-Generation Artificial Intelligence through Reinforcement Learning
Building a Reward Matrix Designing Your Datasets
Machine Intelligence Evaluation Functions and Numerical Convergence
Optimizing Your Solutions with K-Means Clustering
How to Use Decision Trees to Enhance K-Means Clustering
Innovating AI with Google Translate
Optimizing Blockchains with Naive Bayes
Solving the XOR Problem with a FNN
Abstract Image Classification with CNN
Conceptual Representation Learning
Combining RL and DL
AI and the IoT
Visualizing Networks with TensorFlow 2.x and TensorBoard
Preparing the Input of Chatbots with RBMs and PCA
Setting Up a Cognitive NLP UI/CUI Chatbot
Improving the Emotional Intelligence Deficiencies of Chatbots
Genetic Algorithms in Hybrid Neural Networks
Neuromorphic Computing
Quantum Computing
توضیحات کتاب به فارسی (ترجمه ماشینی)
اصول را درک کنید و راه حل های هوش مصنوعی خود را در این نسخه به روز شده با نمونه های جدید بسیاری تهیه کنید
ویژگی های کلیدی
نمونه های مبتنی بر هوش مصنوعی برای راهنمایی شما در طراحی و اجرای اطلاعات دستگاه
با استفاده از نمونه های هوش مصنوعی ، هوش دستگاه را از ابتدا بسازید
با استفاده از هوش مصنوعی واقعی ، هوش دستگاه را از ابتدا توسعه دهید
توضیحات کتاب
هوش مصنوعی پتانسیل تکرار انسان در هر زمینه را دارد.به عنوان مثال ، هوش مصنوعی به عنوان یک نقطه شروع برای درک چگونگی ساخت هوش مصنوعی ، با کمک نمونه های جذاب و هیجان انگیز ، به عنوان نقطه شروع برای شما خدمت می کند.
این کتاب شما را به یک متفکر تطبیقی تبدیل می کند و به شما در استفاده از مفاهیم در سناریوهای دنیای واقعی کمک می کند.با استفاده از برخی از جالب ترین نمونه های هوش مصنوعی ، درست از برنامه های رایانه ای مانند یک موتور شطرنج ساده گرفته تا چت های شناختی ، شما یاد می گیرید که چگونه با دستگاهی که با آن رقابت می کنید مقابله کنید.شما برخی از پیشرفته ترین مدل های یادگیری ماشین را مطالعه خواهید کرد ، چگونه می توانید از هوش مصنوعی در blockchain و اینترنت اشیاء (IoT) استفاده کنید ، و با استفاده از شبکه های عصبی مانند شبکه های عصبی مکرر (RNN) و شبکه های عصبی Convolutional (CNNS) در چتبوت ها رشد عاطفی ایجاد کنید.).
این نسخه همچنین نمونه های جدیدی برای شبکه های عصبی ترکیبی ، ترکیبی از یادگیری تقویت (RL) و یادگیری عمیق (DL) ، الگوریتم های زنجیره ای ، ترکیب یادگیری بدون نظارت با درختان تصمیم گیری ، جنگل های تصادفی ، ترکیب DL و الگوریتم های ژنتیکی ، رابط های کاربر مکالمه (CUI) برایChatbots ، محاسبات عصبی و محاسبات کوانتومی.
در پایان این کتاب ، اصول هوش مصنوعی را درک خواهید کرد و از طریق چندین نمونه کار کرده اید که به شما در تهیه راه حل های هوش مصنوعی خود کمک می کند.
آنچه یاد خواهید گرفت
همسایگان K-Nearest (KNN) را برای ترجمه های زبان اعمال کنید و فرصت های موجود در Google Translate را کشف کنید
الگوریتم های زنجیر شده را با ترکیب یادگیری بدون نظارت با درختان تصمیم گیری درک کنید
مشکل XOR را با شبکه های عصبی Feedforward (FNN) حل کنید و معماری خود را بسازید تا نمودار جریان داده را نشان دهد
در مورد مدل های یادگیری متا با شبکه های عصبی ترکیبی بیاموزید
یک Chatbot ایجاد کنید و نواقص هوش هیجانی آن را با ابزاری مانند صحبت های کوچک و ورود به سیستم بهینه کنید
ایجاد رابط های کاربر مکالمه (CUI) برای chatbots
نوشتن الگوریتم های ژنتیکی که شبکه های عصبی یادگیری عمیق را بهینه می کنند
مدارهای محاسباتی کوانتومی بسازید
این کتاب برای چه کسی است
توسعه دهندگان و علاقه مندان به هوش مصنوعی ، که می خواهند اصول هوش مصنوعی را درک کنند و آنها را به طور عملی پیاده سازی کنند.تجربه قبلی با برنامه نویسی پایتون و دانش آماری برای استفاده بیشتر از این کتاب ضروری است.
فهرست مطالب
شروع کار با هوش مصنوعی نسل بعدی از طریق یادگیری تقویت
ساختن یک ماتریس پاداش طراحی مجموعه داده های خود
توابع ارزیابی هوش دستگاه و همگرایی عددی
بهینه سازی راه حل های خود با خوشه بندی K-
نحوه استفاده از درختان تصمیم گیری برای تقویت خوشه بندی K-
نوآوری هوش مصنوعی با Google Translate
بهینه سازی blockchains با Bayes ساده لوح
حل مشکل XOR با FNN
طبقه بندی تصویر انتزاعی با CNN
یادگیری بازنمایی مفهومی
ترکیب RL و DL
AI و IoT
تجسم شبکه ها با Tensorflow 2.x و Tensorboard
تهیه ورودی چت بابات با RBMS و PCA
راه اندازی chatbot شناختی NLP UI/CUI
بهبود نواقص هوش هیجانی چت بابات
الگوریتم های ژنتیکی در شبکه های عصبی ترکیبی
محاسبات عصبی
محاسبات کوانتومی
| توجه کنید که این محصول به صورت فایل دانلودی است و نه کتاب کاغذی. |
| به هنگام خرید به زبان درج شده برای کتاب حتما توجه کنید. به صورت معمول در اکثر موارد زبان کتاب فارسی نیست. |
| در صورت هرگونه مشکل در دریافت کتاب به شماره 09395106248 پیامک دهید. |
| درج شماره موبایل برای سفارش ضروری نیست ولی ترجیح آن است درج گردد تا در صورت بروز مشکل اولین راه ارتباطی ما با شما باشد. |
|
چنانچه در دریافت محصول به هر دلیلی با مشکل روبرو شدید و مطمئن از پرداخت موفق وجه هستید به شماره تماس زیر نام، نام خانوادگی و نام محصول را پیامک بزنید تا لینک محصول سریعا برای شما ارسال گردد.
شماره تماس: 09395106248 |
نقد و بررسیها
هنوز بررسیای ثبت نشده است.