Opis produktu: Sztuczna inteligencja. Nowe spojrzenie. Wydanie IV. Tom 2 - S. Russell, P. Norvig
Drugi tom książki "Sztuczna inteligencja. Nowe spojrzenie. Wydanie IV", opisującej kluczowe idee i koncepcje nauki o sztucznej inteligencji, która we współczesnym świecie zauważalna jest praktycznie na każdym kroku. Ta część porusza tematy technik uczenia maszynowego, modeli językowych czy widzenia komputerowego. Rozważa również sprawy związane z etyką i bezpieczeństwem najnowszych technologii i ich perspektyw. Tom drugi, podobnie jak w przypadku pierwszej części, napisany jest prostym językiem, bez nadmiernie naukowego słownictwa, dlatego będzie odpowiedni również dla czytelnika, który nie posiada dużej wiedzy na temat sztucznej inteligencji.
Sztuczna inteligencja. Nowe spojrzenie. Wydanie IV. Tom 2.
Praktyczny przewodnik po sztucznej inteligencji.
Informacje o autorach
Stuart Russell - profesor na Uniwersytecie Kalifornijskim w Berkeley, dyrektor ośrodka badawczego Center for Human-Compatible AI oraz profesor inżynierii z ramienia fundacji Smitha-Zadeha. Jest autorem kilkuset publikacji dotyczących sztucznej inteligencji.
Peter Norvig - dyrektor do spraw badań w Google, były szef Wydziału Nauk Obliczeniowych NASA Ames Research Center. Napisał kilka cenionych książek dotyczących praktycznych aspektów sztucznej inteligencji.
Informacje o książce
- Tytuł oryginału: Artificial Intelligence: A Modern Approach, 4th Edition (tom 2)
- Autorzy: Stuart Russell, Peter Norvig
- Tłumaczenie: Andrzej Grażyński
- ISBN: 978-83-283-7773-8
- Oprawa: miękka
- Ilość stron: 472
- Format: 200 x 225 mm
- Rok wydania: 2023
- Wydawnictwo: Helion S.A.
Spis treści
V. UCZENIE MASZYNOWE
Rozdział 19. UCZENIE MASZYNOWE Z PRZYKŁADOWYCH DANYCH
-
- 19.1. Formy uczenia maszynowego
- 19.2. Uczenie nadzorowane
- 19.3. Drzewa decyzyjne w uczeniu maszynowym
- 19.4. Selekcja modelu i optymalizacja
- 19.5. Teoria uczenia maszynowego
- 19.6. Regresja liniowa i klasyfikacja
- 19.7. Modele nieparametryczne
- 19.8. Uczenie zespołowe
- 19.9. Budowanie systemów uczenia maszynowego
- Podsumowanie
- Bibliografia i uwagi historyczne
Rozdział 20. UCZENIE MODELI PROBABILISTYCZNYCH
-
- 20.1. Uczenie statystyczne
- 20.2. Uczenie z kompletnych danych
- 20.3. Uczenie z ukrytymi zmiennymi: algorytm EM
- Podsumowanie
- Bibliografia i uwagi historyczne
Rozdział 21. GŁĘBOKIE UCZENIE
-
- 21.1. Proste sieci ze sprzężeniem w przód
- 21.2. Grafy obliczeniowe dla głębokiego uczenia
- 21.3. Konwolucyjne sieci neuronowe (CNN)
- 21.4. Algorytmy głębokiego uczenia
- 21.5. Generalizacja
- 21.6. Rekurencyjne sieci neuronowe (RNN)
- 21.7. Nienadzorowane uczenie transferowe
- 21.8. Zastosowania
- Podsumowanie
- Bibliografia i uwagi historyczne
Rozdział 22. UCZENIE ZE WZMACNIANIEM
-
- 22.1. Uczenie się dla nagród
- 22.2. Pasywne uczenie ze wzmacnianiem
- 22.3. Aktywne uczenie ze wzmacnianiem
- 22.4. Generalizacja w uczeniu ze wzmacnianiem
- 22.5. Wyszukiwanie polityki
- 22.6. Uczenie praktykanckie i odwrotne uczenie ze wzmacnianiem
- 22.7. Zastosowania uczenia ze wzmacnianiem
- Podsumowanie
- Bibliografia i uwagi historyczne
VI. KOMUNIKACJA, PERCEPCJA I DZIAŁANIE
Rozdział 23. PRZETWARZANIE JĘZYKA NATURALNEGO
-
- 23.1. Modele językowe
- 23.2. Gramatyka
- 23.3. Parsowanie
- 23.4. Gramatyki augmentowane
- 23.5. Komplikacje języków naturalnych
- 23.6. Zadania NLP
- Podsumowanie
- Bibliografia i uwagi historyczne
Rozdział 24. GŁĘBOKIE UCZENIE W PRZETWARZANIU JĘZYKA NATURALNEGO
-
- 24.1. Embeddingi słów
- 24.2. Rekurencyjne sieci neuronowe w NLP
- 24.3. Modele "sekwencja na sekwencję"
- 24.4. Architektura transformerów
- 24.5. Trenowanie wstępne i uczenie transferowe
- 24.6. Obecny stan sztuki
- Podsumowanie
- Bibliografia i uwagi historyczne
Rozdział 25. WIDZENIE KOMPUTEROWE
-
- 25.1. Wstęp
- 25.2. Formowanie obrazów
- 25.3. Podstawowe cechy obrazów
- 25.4. Klasyfikowanie obrazów
- 25.5. Wykrywanie obiektów
- 25.6. Rzeczywistość 3D
- 25.7. Widzenie komputerowe w praktyce
- Podsumowanie
- Bibliografia i uwagi historyczne
Rozdział 26. ROBOTYKA
-
- 26.1. Wstęp
- 26.2. Sprzęt robotów
- 26.3. Jakie rodzaje problemów rozwiązywać może robotyka?
- 26.4. Percepcja robotów
- 26.5. Planowanie i sterowanie
- 26.6. Planowanie ruchu w warunkach niepewności
- 26.7. Uczenie ze wzmacnianiem w robotyce
- 26.8. Ludzie i roboty
- 26.9. Alternatywne frameworki robotyczne
- 26.10. Domeny zastosowań robotyki
- Podsumowanie
- Bibliografia i uwagi historyczne
VII. KONKLUZJE
Rozdział 27. BEZPIECZEŃSTWO ORAZ ETYCZNE I FILOZOFICZNE ASPEKTY SZTUCZNEJ INTELIGENCJI
-
- 27.1. Granice sztucznej inteligencji
- 27.2. Czy maszyny mogą naprawdę myśleć?
- 27.3. Sztuczna inteligencja a etyka
- Podsumowanie
- Bibliografia i uwagi historyczne
Rozdział 28. PRZYSZŁOŚĆ SZTUCZNEJ INTELIGENCJI
-
- 28.1. Komponenty sztucznej inteligencji
- 28.2. Architektury sztucznej inteligencji
BIBLIOGRAFIA
SKOROWIDZ
