هوش مصنوعی با مثال؛ کسب مهارت های طراحی پیشرفته هوش مصنوعی، یادگیری ماشین و یادگیری عمیق

اصول اولیه را درک کنید و راه‌حل‌های هوش مصنوعی خودتان را در این نسخه به‌روز شده که مملو از مثال‌های جدید است، توسعه دهید.

ویژگی‌های کلیدی

مثال‌های مبتنی بر هوش مصنوعی برای راهنمایی شما در طراحی و پیاده‌سازی هوش ماشینی
ساخت هوش ماشینی از ابتدا با استفاده از مثال‌های هوش مصنوعی
توسعه هوش ماشینی از ابتدا با استفاده از هوش مصنوعی واقعی

شرح کتاب

هوش مصنوعی پتانسیل تکرار انسان را در هر زمینه‌ای دارد. هوش مصنوعی با مثال، ویرایش دوم، به عنوان نقطه شروعی برای شما عمل می‌کند تا با کمک مثال‌های جذاب و هیجان‌انگیز، نحوه ساخت هوش مصنوعی را درک کنید.

این کتاب شما را به یک متفکر تطبیق‌پذیر تبدیل می‌کند و به شما کمک می‌کند تا مفاهیم را در سناریوهای دنیای واقعی به کار ببرید. با استفاده از برخی از جالب‌ترین مثال‌های هوش مصنوعی، از برنامه‌های کامپیوتری مانند یک موتور شطرنج ساده گرفته تا چت‌بات‌های شناختی، یاد خواهید گرفت که چگونه با ماشینی که با آن رقابت می‌کنید، مقابله کنید. شما برخی از پیشرفته‌ترین مدل‌های یادگیری ماشین را مطالعه خواهید کرد، نحوه اعمال هوش مصنوعی را در بلاکچین و اینترنت اشیا (IoT) خواهید فهمید و با استفاده از شبکه‌های عصبی مانند شبکه‌های عصبی بازگشتی (RNN) و شبکه‌های عصبی کانولوشن (CNN) هوش عاطفی را در چت‌بات‌ها توسعه خواهید داد.

این ویرایش همچنین شامل مثال‌های جدیدی برای شبکه‌های عصبی ترکیبی، ترکیب یادگیری تقویتی (RL) و یادگیری عمیق (DL)، الگوریتم‌های زنجیره‌ای، ترکیب یادگیری بدون نظارت با درخت‌های تصمیم‌گیری، جنگل‌های تصادفی، ترکیب الگوریتم‌های DL و ژنتیک، رابط‌های کاربری محاوره‌ای (CUI) برای چت‌بات‌ها، محاسبات نورومورفیک و محاسبات کوانتومی است.

در پایان این کتاب، شما اصول هوش مصنوعی را درک خواهید کرد و تعدادی مثال را که به شما در توسعه راه‌حل‌های هوش مصنوعی کمک می‌کنند، بررسی کرده‌اید.

آنچه خواهید آموخت

اعمال k-نزدیک‌ترین همسایه (KNN) در ترجمه‌های زبانی و بررسی فرصت‌ها در Google Translate
درک الگوریتم‌های زنجیره‌ای که یادگیری بدون نظارت را با درخت‌های تصمیم‌گیری ترکیب می‌کنند
حل مسئله XOR با شبکه‌های عصبی پیش‌خور (FNN) و ساخت معماری آن برای نمایش نمودار جریان داده
یادگیری در مورد مدل‌های متا یادگیری با شبکه‌های عصبی ترکیبی
ایجاد یک چت‌بات و بهینه‌سازی نقص‌های هوش هیجانی آن با ابزارهایی مانند Small Talk و ثبت داده‌ها
ساخت رابط‌های کاربری محاوره‌ای (CUI) برای چت‌بات‌ها
نوشتن الگوریتم‌های ژنتیکی که شبکه‌های عصبی یادگیری عمیق را بهینه می‌کنند
ساخت مدارهای محاسبات کوانتومی

این کتاب برای چه کسانی مناسب است؟

توسعه‌دهندگان و علاقه‌مندان به هوش مصنوعی، که می‌خواهند اصول هوش مصنوعی را درک کرده و آنها را به صورت عملی پیاده‌سازی کنند. تجربه قبلی با برنامه‌نویسی پایتون و دانش آماری برای بهره‌برداری هرچه بیشتر از این کتاب ضروری است.

فهرست مطالب

شروع کار با هوش مصنوعی نسل بعدی از طریق یادگیری تقویتی
ساخت ماتریس پاداش
طراحی مجموعه داده‌های شما
توابع ارزیابی هوش ماشین و همگرایی عددی
بهینه‌سازی راه‌حل‌های شما با خوشه‌بندی K-Means
نحوه استفاده از درخت‌های تصمیم‌گیری برای بهبود خوشه‌بندی K-Means
نوآوری در هوش مصنوعی با Google Translate
بهینه‌سازی بلاکچین‌ها با Naive Bayes
حل مسئله XOR با FNN
طبقه‌بندی تصویر انتزاعی با CNN
یادگیری بازنمایی مفهومی
ترکیب RL و DL
هوش مصنوعی و IoT
تجسم شبکه‌ها با TensorFlow 2.x و TensorBoard
آماده‌سازی ورودی چت‌بات‌ها با RBMها و PCA
راه‌اندازی یک چت‌بات رابط کاربری/CUI شناختی NLP
بهبود نقص‌های هوش هیجانی چت‌بات‌ها
الگوریتم‌های ژنتیک در شبکه‌های عصبی ترکیبی
محاسبات نورومورفیک
محاسبات کوانتومی