Sztuczna inteligencja. Błyskawiczne wprowadzenie do uczenia maszynowego, uczenia ze wzmocnieniem - Hadelin de Ponteves

Opis produktu: Sztuczna inteligencja. Błyskawiczne wprowadzenie do uczenia maszynowego, uczenia ze wzmocnieniem i uczenia głębokiego - Hadelin de Ponteves

Kompletny, zwięzły przewodnik po świecie sztucznej inteligencji autorstwa Hadelin de Ponteves. Wyjaśnia podstawowe i bardziej zaawansowane zagadnienia. Krok po kroku demonstruje jak zabrać się do tworzenia systemów AI wykorzystujących uczenie ze wzmacnianiem oraz głębokie uczenie. Podręcznik przeznaczony jest zarówno do studentów, jak i naukowców, menedżerów czy przedsiębiorców. Aby w pełni skorzystać z książki, nie trzeba posiadać umiejętności programowania. Dzięki książce:

• opanujesz kluczowe umiejętności związane z uczeniem maszynowym
• zrozumiesz Q-learning oraz głęboki Q-learning
• poznasz takie narzędzia jak TensorFlow, Keras czy PyTorch
• będziesz samodzielnie tworzyć takie projekty jak wirtualny samochód
• wykorzystasz AI do rozwiązywania rzeczywistych problemów biznesowych
• nauczysz się budować inteligentne roboty

Sztuczna inteligencja. Błyskawiczne wprowadzenie do uczenia maszynowego, uczenia ze wzmocnieniem i uczenia głębokiego - Hadelin de Ponteves. Książka przeznaczona jest dla programistów.

Książka przedstawia sposoby tworzenia systemów AI wykorzystujących uczenie ze wzmacnianiem oraz głębokie uczenie.

Informacje o książce

• Autor: Hadelin de Ponteves
• Tytuł oryginalny: AI Crash Course: A fun and hands-on introduction to machine learning, reinforcement learning, deep learning, and artific
• Tłumaczenie: Łukasz Wójcicki
• Wydawca: Helion SA
• Rok wydania: 2021
• Liczba stron: 304
• ISBN: 978-83-283-7478-2
• Format: 168 x 237 mm

O Autorze

Spis treści

O autorze 9

O recenzentach 11

Przedmowa 13

• Rozpoczęcie przygody z AI 18
• Cztery różne modele AI 18
• Praktyczne zastosowanie modeli 19
• Dokąd może Cię zaprowadzić nauka AI? 20
• Energia 20
• Opieka zdrowotna 21
• Transport i logistyka 21
• Edukacja 21
• Bezpieczeństwo 21
• Zatrudnienie 21
• Inteligentne domy i roboty 22
• Rozrywka i zadowolenie 22
• Środowisko 22
• Gospodarka, biznes i finanse 22
• Podsumowanie 23

Rozdział 2. Poznaj narzędzia AI 25

• Strona GitHuba 25
• Colaboratory 26
• Podsumowanie 31

Rozdział 3. Podstawy języka Python - naucz się kodować w Pythonie 33

• Wyświetlanie tekstu 34
• Ćwiczenie 34
• Zmienne i operacje 35
• Ćwiczenie 36
• Listy i tablice 36
• Ćwiczenie 37
• Instrukcje warunkowe if 38
• Ćwiczenie 39
• Pętle for i while 39
• Ćwiczenie 42
• Funkcje 42
• Ćwiczenie 43
• Klasy i obiekty 43
• Ćwiczenie 45
• Podsumowanie 46

Rozdział 4. Podstawowe techniki AI 47

• Co to jest uczenie ze wzmacnianiem? 47
• Pięć zasad Reinforcement Learning 48
• Zasada nr 1 - system wejścia i wyjścia 48
• Zasada nr 2 - nagroda 49
• Zasada nr 3 - środowisko AI 50
• Zasada nr 4 - proces decyzyjny Markowa 50
• Zasada nr 5 - szkolenie i wnioskowanie 51
• Podsumowanie 53

Rozdział 5. Twój pierwszy model AI - uważaj na bandytów! 55

• Problem wielorękiego bandyty 55
• Model próbkowania Thompsona 56
• Kodowanie modelu 57
• Zrozumienie modelu 60
• Co to jest rozkład? 61
• Walka z MABP 64
• Strategia próbkowania Thompsona w trzech krokach 67
• Ostateczny krok ku zrozumieniu próbkowania Thompsona 67
• Próbkowanie Thompsona w porównaniu ze standardowym modelem 68
• Podsumowanie 69

Rozdział 6. AI w sprzedaży i reklamie - sprzedawaj jak Wilk z AI Street 71

• Problem do rozwiązania 71
• Budowanie środowiska do przeprowadzenia symulacji 73
• Uruchomienie symulacji 75
• Podsumowanie sytuacji 78
• Rozwiązanie AI i odświeżenie umysłu 78
• Rozwiązanie AI 78
• Rozumowanie 79
• Implementacja 80
• Próbkowanie Thompsona czy wybór losowy 80
• Zacznijmy kodować 80
• Wynik końcowy 84
• Podsumowanie 86

Rozdział 7. Witamy w Q-learningu 87

• Labirynt 88
• Początek 88
• Budowanie środowiska 89
• Budowanie sztucznej inteligencji 95
• Cały proces Q-learningu 98
• Tryb treningowy 98
• Tryb wnioskowania 99
• Podsumowanie 99

Rozdział 8. AI w logistyce - roboty w magazynie 101

• Budowanie środowiska 104
• Stany 104
• Akcje 104
• Nagrody 105
• Przypomnienie rozwiązania AI 106
• Implementacja 107
• Część 1. - budowanie środowiska 107
• Część 2. - tworzenie rozwiązania AI z wykorzystaniem Q-learningu 109
• Część 3. - wprowadzenie do produkcji 111
• Ulepszenie 1. - automatyzacja przypisywania nagród 113
• Ulepszenie 2. - dodawanie celu pośredniego 115
• Podsumowanie 118

Rozdział 9. Zostań ekspertem od sztucznego mózgu - głębokie Q-learning 119

• Przewidywanie cen domów 119
• Przesyłanie zbioru danych 120
• Importowanie bibliotek 121
• Wyłączanie zmiennych 122
• Przygotowywanie danych 124
• Budowa sieci neuronowej 126
• Szkolenie sieci neuronowej 127
• Wyświetlanie wyników 128
• Teoria głębokiego uczenia 129
• Neuron 129
• Funkcja aktywacji 132
• Jak działają sieci neuronowe? 137
• Jak się uczą sieci neuronowe? 137
• Propagacja w przód i wstecz 139
• Metody gradientu prostego 140
• Głębokie uczenie 147
• Metoda Softmax 148
• Podsumowanie głębokiego Q-learningu 150
• Pamięć doświadczeń 150
• Cały algorytm głębokiego Q-learningu 151
• Podsumowanie 152

Rozdział 10. Sztuczna inteligencja dla pojazdów autonomicznych - zbuduj samochód samojezdny 153

• Budowanie środowiska 154
• Określenie celu 156
• Ustawianie parametrów 158
• Stany wejściowe 161
• Działania wyjściowe 162
• Nagrody 163
• Przypomnienie rozwiązania AI 165
• Implementacja 166
• Krok 1. - importowanie bibliotek 166
• Krok 2. - stworzenie architektury sieci neuronowej 167
• Krok 3. - implementacja pamięci doświadczeń 171
• Krok 4. - implementacja głębokiego Q-learningu 173
• Prezentacja 182
• Instalowanie Anacondy 183
• Tworzenie środowiska wirtualnego w Pythonie 3.6 184
• Instalowanie PyTorch 186
• Instalowanie Kivy 187
• Podsumowanie 196

Rozdział 11. AI dla biznesu - minimalizuj koszty dzięki głębokiemu Q-learningowi 197

• Problem do rozwiązania 197
• Budowanie środowiska 198
• Parametry i zmienne środowiska serwerowego 198
• Założenia środowiska serwerowego 199
• Symulacja 201
• Ogólna funkcjonalność 201
• Definiowanie stanów 203
• Definiowanie działań 204
• Definiowanie nagród 204
• Przykład ostatecznej symulacji 205
• Rozwiązanie AI 208
• Mózg 209
• Implementacja 211
• Krok 1. - budowanie środowiska 212
• Krok 2. - budowanie mózgu 217
• Krok 3. - implementacja algorytmu uczenia przez głębokie wzmacnianie 223
• Krok 4. - szkolenie AI 229
• Krok 5. - testowanie AI 238
• Demo 240
• Podsumowanie - ogólny schemat AI 249
• Podsumowanie 250

Rozdział 12. Głębokie konwolucyjne Q-learning 251

• Do czego służą sieci CNN? 251
• Jak działają CNN? 253
• Krok 1. - konwolucja 254
• Krok 2. - max pooling 256
• Krok 3. - spłaszczanie 259
• Krok 4. - pełne połączenie 260
• Głębokie konwolucyjne Q-learning 262
• Podsumowanie 263

Rozdział 13. AI dla gier wideo - zostań mistrzem Snake'a 265

• Problem do rozwiązania 265
• Tworzenie środowiska 266
• Definiowanie stanów 267
• Definiowanie działań 268
• Definiowanie nagród 269
• Rozwiązanie AI 270
• Mózg 270
• Pamięć doświadczeń 272
• Implementacja 273
• Krok 1. - budowanie środowiska 273
• Krok 2. - budowanie mózgu 279
• Krok 3. - tworzenie pamięci doświadczeń 282
• Krok 4. - trening AI 283
• Krok 5. - testowanie AI 289
• Demo 290
• Instalacja 291
• Wyniki 295
• Podsumowanie 297

Rozdział 14. Podsumowanie 299

• Podsumowanie - ogólny schemat AI 299
• Odkrywanie, co czeka Cię dalej w AI 300
• Ćwicz, ćwicz i ćwicz 301
• Networking 302
• Nigdy nie przestawaj się uczyć 302