Artificial Intelligence with Python 2nd Edition

تاریخ: ۱۹:۲۲:۲۲ ۱۳۹۸/۱۱/۱۸ جمعه
توسط: MotoMan
امتیاز: ۱
تعداد بازدید: ۵۷۹
دیدگاه ها: ۰
برچسب ها: Python | Artificial Intelligence |
کتاب Artificial Intelligence with Python 2nd Edition
Packt Publishing
Alberto Artasanchez, Prateek Joshi
978-1839219535
2020
618
English

پیشرفت‌های اخیر در هوش مصنوعی (AI) قدرت زیادی را در دست انسان‌ها قرار داده است. متناسب با این قدرت زیاد، مسئولیت هم می‌آید. اتومبیل‌های خودران، چت بات‌ها و پیش بینی‌های دقیق فزاینده ای از آینده، نمونه‌های کمی از توانایی هوش مصنوعی برای به حداکثر رساندن ظرفیت بشر برای رشد و پیشرفت است. هوش مصنوعی در حال تبدیل شدن به یک مسیر اصلی و تحول آمیز است که روش فکر کردن در مورد هر جنبه از زندگی ما را تغییر می‌دهد.  هوش مصنوعی صنعت را تحت تأثیر قرار داده است. از این رو ، جای تعجب نخواهد بود که توانایی کار و استفاده کامل از هوش مصنوعی، مهارتی خواهد بود که فقط برای افزایش ارزش تنظیم شده است.

ویرایش دوم کتاب هوش مصنوعی با پایتون،‌ نسخه به روز شده و بسط داده شده از راهنمای پر فروش هوش مصنوعی با استفاده از آخرین نسخه Python 3.x و TensorFlow 2 است. این نسخه همچنین شامل هفت فصل جدید در مورد مفاهیم پیشرفته‌تر هوش مصنوعی، از جمله موارد استفاده اصلی هوش مصنوعی است. خط لوله‌های یادگیری ماشین؛ انتخاب ویژگی‌ها و مهندسی ویژگی ها؛ هوش مصنوعی روی ابر؛ اصول chatbot ها؛ RNNها و مدل‌های DL؛ و هوش مصنوعی و کلان داده.

مخاطبان در نظر گرفته شده برای این کتاب، توسعه دهندگان Python است که می‌خواهند برنامه‌های هوش مصنوعی در دنیای واقعی بسازند. تجربه برنامه نویسی پایه ای Python و آگاهی از مفاهیم و فنون یادگیری ماشین الزامی است.


مطالبی که در ویرایش دوم کتاب هوش مصنوعی با پایتون، خواهید آموخت:

  • فهمیدن این که هوش مصنوعی، یادگیری ماشین و علوم داده چه چیز هایی هستند
  • بررسی موارد رایج استفاده از هوش مصنوعی
  • یادگیری نحوه ساختن خط لوله یادگیری ماشین
  • همانند سازی اصول اولیه انتخاب ویژگی‌ها و مهندسی ویژگی ها
  • شناخت تفاوت بین یادگیری نظارت شده و بدون نظارت
  • کشف کردن جدیدترین پیشرفت‌ها و ابزارهای ارائه شده برای توسعه هوش مصنوعی در ابر
  • توسعه سیستم‌های تشخیص خودکار گفتار و گفتگوی چت
  • درک کردن RNN‌ها و مدل‌های مختلف DL

 

Table of Contents
1. Introduction to Artificial Intelligence
2. Fundamental Use Cases for Artificial Intelligence
3. Machine Learning Pipelines
4. Feature Selection and Feature Engineering
5. Classification and Regression Using Supervised Learning
6. Predictive Analytics with Ensemble Learning
7. Detecting Patterns with Unsupervised Learning
8. Building Recommender Systems
9. Logic Programming
10. Heuristic Search Techniques
11. Genetic Algorithms and Genetic Programming
12. Artificial Intelligence on the Cloud
13. Building Games with Artificial Intelligence
14. Building a Speech Recognizer
15. Natural Language Processing
16. Chatbots
17. Sequential Data and Time Series Analysis
18. Image Recognition
19. Neural Networks
20. Deep Learning with Convolutional Neural Networks
21. Recurrent Neural Networks and Other Deep Learning Models
22. Creating Intelligent Agents with Reinforcement Learning
23. Artificial Intelligence and Big Data
like می پسندم
dislike به درد نمی خوره
مطالب مشابه
دیدگاه ها
  • اولین نفری باشید که نظری می دهید!
loading...

لطفا منتظر بمانید...