
0人評分過此書
凡人也能懂的白話人工智慧演算法
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。
「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