p.s.
Искусственный интеллект(Artificial Intelligence; AI) становится все более и более релевантным в современном мире, где все управляется данными и автоматизацией. Он экстенсивно используется во многих сферах, таких как распознавание изображений, робототехника, поисковые системы и само-управляемые автомобили. В этой книге мы исследуем различные реальные сценарии. Мы поймем, какие алгоритмы использовать в данном контексте и как написать функциональный код, используя эту захватывающую книгу. Мы начнём разговор с различных областей искусственного интеллекта. Затем мы пойдём дальше и обсудим более сложные алгоритмы(more complex algorithms), такие как чрезвычайно случайные леса(Extremely Random Forests), скрытые модели Маркова(Hidden Markov Models), генетические алгоритмы(genetic algorithms), искусственные нейронные сети(Artificial Neural Networks) и сверточные нейронные сети(Convolutional Neural Networks) и т.д. Эта книга предназначена для Python-программистов, обращающихся к использования алгоритмов искусственного интеллекта для создания реальных приложений. Эта книга дружественная по отношению к Python-новичкам, но знакомство с Python-программированием, конечно, было бы полезно и поэтому вы можете поэкспериментировать с кодом. Книга также полезна для опытных Python-программистов, которые надеются реализовывать методы искусственного интеллекта. Вы изучите, как сделать обоснованные решения о типе алгоритмов, которые вы должны использовать, и как реализовать те алгоритмы для получения самых лучших результатов. Если вы захотите построить универсальные приложения, которые могут понять изображения, текст, речь или некоторую другую форму данных, то эта книга по искусственному интеллекту определенно прибудет в ваше спасение!
Эта книга предназначена для Python-разработчиков, которые хотят построить реальные приложения искусственного интеллекта. Эта книга дружественная по отношению к Python-новичкам, но знакомство с Python-программированием, конечно, было бы полезно для экспериментирования с кодом. Книга также будет полезна для опытных Python-программистов, которые надеются использовать методы искусственного интеллекта в их существующих технологических стеках. Книга также полезна для опытных Python-программистов, которые надеются реализовывать методы искусственного интеллекта.
Глава 1 «Введение в искусственный интеллект» представляет различные вводные понятия в искусственный интеллект(Artificial Intelligence; AI). В «главе говорится о AI-приложениях, палитре AI и моделировании AI. Глава проведёт читателя по процессу установки необходимых Python-пакетов.
Глава 2 «Классификация и регрессия с использованием контролируемого обучения» касается различных методов контролируемого обучения(supervised learning techniques) для классификации и регрессии(classification and regression). Вы изучите, как проанализировать входные данные и предсказать цены жилых домов.
Глава 3 «Прогнозная аналитика с ансамблевым обучением» объясняет методы моделирования прогнозов с использованием ансамблевого обучения(Ensemble Learning), особенно фокусируемых на случайные леса(Random Forests). Мы изучим применение этих методов для предсказания трафика на дорогах около спортивных стадионов.
Глава 4 «Обнаружение образцов с помощью безнадзорного обучения» касается алгоритмов безнадзорного обучения(unsupervised learning algorithms), включая кластеризация(clustering) с помощью алгоритма K-средних(K-Means algorithm) и алгоритма сдвига среднего(Mean Shift algorithm). Мы изучим, как применить эти алгоритмы к данным фондового рынка и потребительской сегментации.
Глава 5 «Построение систем рекомендаций» иллюстрирует алгоритмы, используемые для построения движков рекомендаций(recommendation engines). Вы изучите, как применить эти алгоритмы к совместной фильтрации и рекомендациям фильмов.
Глава 6 «Логическое программирование» касается стандартных строительных блоков логического программирования. Мы увидим различные приложения, включая соответствие выражений, парсинг родословных и решение пазлов.
Глава 7 «Методы эвристического поиска» показывает методы эвристического поиска, используемые для поиска пространства решений. Мы узнаем о различных приложениях таких, как моделирование отжига, окрашивание области и решение лабиринта.
Глава 8 «Генетические алгоритмы» касается эволюционных алгоритмов и генетического программирования. Мы узнаем о различных понятиях, таких как перекрестное соединение(crossover), мутация(mutation) и функция репродуктивности/фитнеса(fitness function). Затем мы будем использовать эти понятия для решения проблемы регрессии символа(symbol regression) и построения контроллера интеллектуального робота.
Глава 9 «Построение игр с искусственным интеллектом» научит вас построению игр с искусственным интеллектом. Мы изучим построение различных игр, включая Tic Tac Toe(Крестики-нолики), Connect Four(Четыре подключения) и Hexapawn(Шестнадцатеричная пешка).
Глава 10 «Обработка естественного языка» касается методов, используемых для анализа текстовых данных, таких как токенизация(маркировка; tokenization), происхождение(stemming), Bag of Words(Мешок Слов) и т.д. Мы изучим, как использовать эти методы для анализа чувств(sentiment analysis) и моделирование темы(topic modeling).
Глава 11 «Вероятностное обоснование для последовательных данных» показывает методы, скрытые модели Маркова(Hidden Markov Models) и условные случайные поля(Conditional Random Fields), используемые для анализа данных временного ряда(time-series data) и последовательных данных(sequential data). Мы изучим, как применить эти методы к анализу последовательности алфавитов и прогнозам фондового рынка.
Глава 12 «Построение распознавателя речи» демонстрирует алгоритмы, используемые для анализа данных речи(speech data). Мы изучим, как построить системы распознавания речи(speech recognition systems).
Глава 13 «Обнаружение объектов и отслеживание» рассматривает алгоритмы, связанные с обнаружением объектов(object detection) и отслеживанием в живом видео(tracking in live video). Мы узнаем о различных методах, включая оптический поток(optical flow), отслеживание лица(face tracking) и отслеживание глаз(eye tracking).
Глава 14 «Искусственные нейронные сети» касается алгоритмов, используемых для построения нейронных сетей. Мы изучим, как построить систему оптического распознавания символов(optical character recognition system), используя нейронные сети.
Глава 15 «Обучение с подкреплением» учит методам, используемым для построения системы обучения с подкреплением(reinforcement learning systems). Мы изучим, как построить агенты обучения(learning agents), которые могут обучаться на основе взаимодействия с их средой окружения(interacting with the environment).
Глава 16 «Глубокое обучение со сверточными нейронными сетями» касается алгоритмов, используемых для построения систем глубокого обучения(Deep Learning), с использованием сверточных нейронных сетей(Convolutional Neural Networks). Мы изучим, как использовать пакет TensorFlow для построения нейронных сетей. Затем мы будем использовать его для построения классификатора изображений, используя сверточные нейронные сети.
Эта книга фокусируется на искусственном интеллекте в Python-коде в противоположность самому языку программирования Python. Для построения различных приложений мы использовали язык программирования Python 3. Мы сфокусируемся на использовании, самым лучшим способом, различных Python-библиотек при построении приложений реального мира. В том духе, мы попытались сохранить весь код, максимально дружественным и читаемым. Мы чувствуем, что это позволит нашим читателям легко понять код и с готовностью использовать его в различных сценариях.
https://www.packtpub.com/product/artificial-intelligence-with-python/9781786464392#_ga=2.38756003.1854287135.1688932067-2096035448.1688932067
https://github.com/PacktPublishing/Artificial-Intelligence-with-Python
https://www.packtpub.com/sites/default/files/downloads/ArtificialIntelligencewithPython_ColorImages.pdf