Leserbewertungen
Zusammenfassung:Das Buch „Artificial Intelligence by Example“ von Denis Rothman wird für seine meisterhafte Mischung aus Theorie und praktischer Anwendung in einem breiten Spektrum von KI-Themen gelobt. Es schließt effektiv Lücken, die andere KI-Bücher hinterlassen haben, und bietet Einblicke sowohl in mathematische Konzepte als auch in programmtechnische Implementierungen. In einigen Rezensionen wurde jedoch hervorgehoben, dass es aufgrund der breiten Abdeckung bestimmter Themen an Struktur, Organisation und Tiefe mangelt.
Vorteile:⬤ Verknüpft meisterhaft Theorie und praktische Programmierbeispiele.
⬤ Hilft, die Kluft zwischen mathematischen Konzepten und Programmieranwendungen zu überbrücken.
⬤ Deckt ein breites Spektrum an KI-Themen ab, so dass es für verschiedene Zielgruppen geeignet ist (Studenten, Entwickler, Projektmanager).
⬤ Enthält Antworten auf Übungen, die das Lernen erleichtern.
⬤ Spannend und leicht zu lesen mit vielfältigen Beispielen.
⬤ Mangelnde Organisation und Kohärenz zwischen den Kapiteln, so dass es sich unzusammenhängend anfühlt.
⬤ Einige Themen werden aufgrund des breiten Umfangs des Buches nicht eingehend behandelt.
⬤ Gelegentliches Abschweifen und unklare Beispiele aus der Praxis.
⬤ Einige Leser fanden es schwierig, bestimmte Abschnitte zu verstehen, insbesondere solche mit komplexen Konzepten.
(basierend auf 17 Leserbewertungen)
Originaltitel:
Artificial Intelligence By Example - Second Edition
Inhalt des Buches:
Verstehen Sie die Grundlagen und entwickeln Sie Ihre eigenen KI-Lösungen in dieser aktualisierten Ausgabe mit vielen neuen Beispielen Hauptmerkmale KI-basierte Beispiele, die Sie beim Entwurf und der Implementierung von maschineller Intelligenz anleiten Entwickeln Sie maschinelle Intelligenz von Grund auf anhand von Beispielen für künstliche Intelligenz Entwickeln Sie maschinelle Intelligenz von Grund auf anhand echter künstlicher Intelligenz Buchbeschreibung
Künstliche Intelligenz hat das Potenzial, den Menschen in jedem Bereich zu ersetzen. Artificial Intelligence By Example, Second Edition dient als Ausgangspunkt für Sie, um zu verstehen, wie KI mit Hilfe von faszinierenden und spannenden Beispielen aufgebaut ist.
Dieses Buch macht Sie zu einem lernfähigen Denker und hilft Ihnen, Konzepte auf reale Szenarien anzuwenden. Anhand einiger der interessantesten KI-Beispiele, von Computerprogrammen wie einer einfachen Schach-Engine bis hin zu kognitiven Chatbots, lernen Sie, wie Sie die Maschine, mit der Sie konkurrieren, in den Griff bekommen. Sie werden einige der fortschrittlichsten Modelle des maschinellen Lernens studieren, verstehen, wie man KI auf Blockchain und das Internet der Dinge (IoT) anwendet, und den emotionalen Quotienten in Chatbots entwickeln, indem Sie neuronale Netze wie rekurrente neuronale Netze (RNNs) und konvolutionale neuronale Netze (CNNs) verwenden.
Diese Ausgabe enthält auch neue Beispiele für hybride neuronale Netze, die Kombination von Reinforcement Learning (RL) und Deep Learning (DL), verkettete Algorithmen, die Kombination von unüberwachtem Lernen mit Entscheidungsbäumen, Random Forests, die Kombination von DL und genetischen Algorithmen, Conversational User Interfaces (CUI) für Chatbots, Neuromorphic Computing und Quantencomputing.
Am Ende dieses Buches werden Sie die Grundlagen der KI verstehen und eine Reihe von Beispielen durchgearbeitet haben, die Ihnen bei der Entwicklung Ihrer KI-Lösungen helfen werden. Was Sie lernen werden Anwenden von k- nearest neighbors (KNN) auf Sprachübersetzungen anwenden und die Möglichkeiten von Google Translate erkunden Verkettete Algorithmen verstehen, die unüberwachtes Lernen mit Entscheidungsbäumen kombinieren Das XOR-Problem mit Feedforward Neural Networks (FNN) lösen und seine Architektur zur Darstellung eines Datenflussgraphen aufbauen Meta-Lernmodelle mit hybriden neuronalen Netzen kennenlernen Einen Chatbot erstellen und seine emotionalen Intelligenzdefizite mit Tools wie Small Talk und Datenprotokollierung optimieren Konversationelle Benutzerschnittstellen (CUI) für Chatbots erstellen Genetische Algorithmen schreiben, die Deep Learning Neural Networks optimieren Quantencomputing-Schaltkreise aufbauen Für wen dieses Buch ist
Entwickler und an KI Interessierte, die die Grundlagen der Künstlichen Intelligenz verstehen und praktisch umsetzen wollen. Vorkenntnisse in der Python-Programmierung und statistisches Wissen sind unerlässlich, um dieses Buch optimal nutzen zu können. Inhaltsverzeichnis Einstieg in die Künstliche Intelligenz der nächsten Generation durch Reinforcement Learning Erstellen einer Belohnungsmatrix Entwerfen Ihrer Datensätze Bewertungsfunktionen für maschinelle Intelligenz und numerische Konvergenz Optimieren Ihrer Lösungen mit K-Means Clustering Verwenden von Entscheidungsbäumen zur Verbesserung von K-Means Clustering Innovieren von KI mit Google Translate Optimieren von Blockchains mit Naive Bayes Lösen des XOR-Problems mit einem FNN Abstrakte Bildklassifikation mit CNN Konzeptuelles Repräsentationslernen Kombinieren von RL und DL KI und das IoT Visualisieren von Netzwerken mit TensorFlow 2. x und TensorBoard Aufbereitung des Inputs von Chatbots mit RBMs und PCA Aufbau eines kognitiven NLP UI/CUI Chatbots Verbesserung der emotionalen Intelligenzdefizite von Chatbots Genetische Algorithmen in hybriden neuronalen Netzen Neuromorphes Rechnen Quantencomputing
Weitere Daten des Buches:
| ISBN: | 9781839211539 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
Kauf:
Derzeit verfügbar, auf Lager.
