0人評分過此書

凡人也能懂的白話人工智慧演算法

出版日期
2023
閱讀格式
PDF
書籍分類
學科分類
ISBN
9786263243736

本館館藏

借閱規則
當前可使用人數 30
借閱天數 14
線上看 0
借閱中 0
選擇分享方式

推薦本館採購書籍

您可以將喜歡的電子書推薦給圖書館,圖書館會參考讀者意見進行採購

讀者資料
圖書館
* 姓名
* 身分
系所
* E-mail
※ 我們會寄送一份副本至您填寫的Email中
電話
※ 電話格式為 區碼+電話號碼(ex. 0229235151)/ 手機格式為 0900111111
* 請輸入驗證碼
內容簡介:來自各界的推薦
「由第一頁到最後一頁,本書都是幫助你學習AI演算法,並回想為何以及如何運用它們的最佳選擇。」
—Linda Ristevski, 加拿大安大略省約克郡教育局

「這本書以清晰與周密的方式,以最廣泛的角度來談論電腦科學,並向從業開發者傳達他們所需要理解的事情。」
—David Jacobs, Advance Local公司

「我所看過關於AI演算法最全面的內容。」
—Karan Nih, Classic Software Solutions公司

「這本書消除了我心中對於踏入AI運作機制中的恐懼。」
—Kyle Peterson, 美國愛荷華大學

人工智慧已觸及我們生活的每一個角落。它不只可以為我們推薦購物商品與電視節目,還能進行醫療診斷。擁抱這個嶄新的世界需要熟悉AI的各種核心演算法。

本書使用了許多插圖、實例以及一般人就能理解的說明來介紹AI的重要基礎概念,您只需要具備高中程度的代數觀念即可。本書將帶您探索多個程式挑戰題,包括偵測銀行詐欺行為、AI創作藝術作品、設計自駕車等。

本書精彩內容包括:
.不同AI演算法的用途
.進行決策所需的智慧搜尋方法
.靈感來自生物的演算法
.機器學習與神經網路
.可打造更厲害機器人的強化學習

本書目標讀者為軟體開發者,只需要高中代數與微積分基礎就能掌握本書內容。
  • 前言
  • 致謝
  • 關於本書
  • 關於作者
  • 1 人工智慧的基本觀念
    • 什麼是人工智慧?
    • 人工智慧簡史
    • 問題類型與解決問題範式
    • 人工智慧的基本概念
    • 人工智慧演算法之用途
  • 2 搜尋演算法基礎
    • 什麼是計畫與搜尋?
    • 計算成本:使用智慧演算法的原因
    • 適用搜尋演算法的問題
    • 代表狀態:建立代表問題空間和解的框架
    • 無資訊搜尋:盲目尋找解
    • 廣度優先搜尋:先廣再深
    • 深度優先搜尋:先深再廣
    • 無資訊搜尋演算法的使用案例
    • 補充:圖形的種類
    • 補充:更多表現圖形的方法
  • 3 智慧搜尋
    • 定義啟發:設計有根據的猜測
    • 有資訊搜尋:在指引下尋找解
    • 對抗式搜尋:在多變的環境中尋找解
  • 4 進化演算法
    • 何謂進化?
    • 適用於進化演算法的問題
    • 基因演算法:生命週期
    • 編碼解空間
    • 建立解族群
    • 測量個體在全域中的適應性
    • 根據適應性選擇親代
    • 從親代複製出個體
    • 形成下一代
    • 配置基因演算法之參數
    • 進化演算法的使用案例
  • 5 進階進化演算法
    • 進化演算法的生命週期
    • 其他的選擇策略
    • 實值編碼:處理實數
    • 次序編碼:處理順序
    • 樹狀編碼:處理階層
    • 節點改變突變:改變節點數值
    • 進化演算法常見的類型
    • 進化演算法專有名詞表
    • 更多進化演算法的使用案例
  • 6 群體智慧:蟻群
    • 何謂群體智慧?
    • 適用蟻群最佳化的問題
    • 狀態表現:如何表現路線和螞蟻?
    • 蟻群最佳化演算法的生命週期
    • 決定終止條件
    • 蟻群最佳化演算法的使用案例
  • 7 群體智慧:粒子
    • 什麼是粒子群最佳化?
    • 最佳化問題:技術觀點
    • 可應用粒子群最佳化的問題
    • 代表狀態:粒子長什麼樣子?
    • 粒子群最佳化生命週期
    • 粒子群最佳化演算法的使用案例
  • 8 機器學習
    • 什麼是機器學習?
    • 可應用機器學習的各種問題
    • 機器學習工作流程
    • 使用決策樹進行分類
    • 其他常用的機器學習演算法
    • 機器學習演算法的使用案例
  • 9 類神經網路
    • 什麼是類神經網路?
    • 感知器:神經元的代表
    • 定義類神經網路
    • 前向傳播:使用訓練後的ANN
    • 反向傳播:訓練ANN
    • 其他的觸發函數
    • 設計類神經網路
    • 類神經網路的類型與用途
  • 10 使用Q-學習進行強化學習
    • 什麼是強化學習?
    • 強化學習可應用的問題
    • 強化學習的生命週期
    • 用於強化學習的深度學習方法
    • 強化學習的使用案例
  • 出版地 臺灣
  • 語言 繁體中文

評分與評論

請登入後再留言與評分
幫助
您好,請問需要甚麼幫助呢?
使用指南

客服專線:0800-000-747

服務時間:週一至週五 AM 09:00~PM 06:00

loading