این نسخه همچنین شامل هفت فصل جدید در مورد مفاهیم پیشرفتهتر هوش مصنوعی، از جمله موارد استفاده اساسی هوش مصنوعی؛ خطوط لوله داده یادگیری ماشین؛ انتخاب ویژگی و مهندسی ویژگی؛ هوش مصنوعی در فضای ابری؛ اصول اولیه چتباتها؛ مدلهای RNN و DL؛ و هوش مصنوعی و کلان داده است.
در نهایت، این نسخه جدید سناریوهای مختلف دنیای واقعی را بررسی میکند و به شما میآموزد که چگونه الگوریتمهای هوش مصنوعی مرتبط را در طیف وسیعی از مسائل به کار ببرید، که با ابتداییترین مفاهیم هوش مصنوعی شروع میشود و به تدریج از آنجا برای حل چالشهای دشوارتر استفاده میشود، به طوری که در پایان، درک کاملی از این تکنیکهای هوش مصنوعی متعدد و بهترین زمان استفاده از آنها به دست خواهید آورد. آنچه خواهید آموخت
درک کنید که هوش مصنوعی، یادگیری ماشین و علم داده چیستند
موارد رایج استفاده از هوش مصنوعی را بررسی کنید
یاد بگیرید چگونه یک خط لوله یادگیری ماشین بسازید
اصول انتخاب ویژگی و مهندسی ویژگی را بیاموزید
تفاوتهای بین یادگیری نظارت شده و بدون نظارت را شناسایی کنید
آخرین پیشرفتها و ابزارهای ارائه شده برای توسعه هوش مصنوعی در فضای ابری را کشف کنید
سیستمهای تشخیص گفتار خودکار و رباتهای چت را توسعه دهید
الگوریتمهای هوش مصنوعی را بر روی دادههای سری زمانی اعمال کنید
این کتاب برای چه کسانی مناسب است؟
مخاطب این کتاب توسعهدهندگان پایتون هستند که میخواهند برنامههای هوش مصنوعی در دنیای واقعی بسازند. تجربه برنامهنویسی پایه پایتون و آگاهی از مفاهیم و تکنیکهای یادگیری ماشین الزامی است.
فهرست مطالب
مقدمهای بر هوش مصنوعی
موارد استفاده اساسی برای هوش مصنوعی
خطوط لوله یادگیری ماشین
انتخاب ویژگی و مهندسی ویژگی
طبقهبندی و رگرسیون با استفاده از یادگیری نظارتشده
تحلیل پیشبینیکننده با یادگیری گروهی
تشخیص الگوها با یادگیری بدون نظارت
ساخت سیستمهای توصیهگر
برنامهنویسی منطقی
تکنیکهای جستجوی اکتشافی
الگوریتمهای ژنتیک و برنامهنویسی ژنتیک
هوش مصنوعی در فضای ابری
ساخت بازی با هوش مصنوعی
ساخت یک تشخیصدهنده گفتار
پردازش زبان طبیعی
چتباتها
تحلیل دادههای ترتیبی و سریهای زمانی
تشخیص تصویر
شبکههای عصبی
یادگیری عمیق با شبکههای عصبی کانولوشن
شبکههای عصبی بازگشتی و سایر مدلهای یادگیری عمیق
ایجاد عاملهای هوشمند با یادگیری تقویتی
هوش مصنوعی و کلانداده






























