Artificial Intelligence (AI)

Faites de vous l'expert en intelligence artificielle (AI) et en apprentissage automatique (ML).

Qu'est-ce que l'intelligence artificielle (IA)?

L'intelligence artificielle (IA) fait référence à la simulation de l'intelligence humaine dans des machines programmées pour penser comme les humains et imiter leurs actions. Le terme peut également être appliqué à toute machine qui présente des traits associés à un esprit humain tels que l'apprentissage et la résolution de problèmes.

L'intelligence artificielle (IA) est un domaine de l'informatique qui met l'accent sur la création de machines intelligentes qui fonctionnent et réagissent comme les humains. Les processus comprennent l'apprentissage, le raisonnement et l'autocorrection. L'IA est accomplie en étudiant comment le cerveau humain pense et comment les humains apprennent, décident et travaillent tout en essayant de résoudre un problème.

Découvrez comment créer des applications intelligentes centrées sur les images, le texte et les données de séries chronologiques. Il est largement utilisé dans de nombreux domaines tels que les moteurs de recherche, la reconnaissance d'images, la robotique, la finance, etc. Vous découvrirez différents algorithmes pouvant être utilisés pour créer des applications d'intelligence artificielle.

Qu'est-ce qui vous convient?

- Introduction à l'intelligence artificielle et aux agents intelligents, histoire de l'intelligence artificielle

- Construire des agents intelligents (recherche, jeux, logique, problèmes de satisfaction de contraintes)

- Algorithmes d'apprentissage automatique

- Applications de l'IA (Natural Language Processing, Robotics / Vision, Language Understanding)

Contenu de l'application

1) Introduction à l'IA

- Test de Turing

- Histoire de l'intelligence artificielle

- Problème typique d'intelligence artificielle

- Le cycle de l'intelligence artificielle

2) Approche de résolution de problèmes AI

- Territoire de l'État

- Recherche de graphiques

- Une recherche

- Une recherche générique

- Algorithme génétique

- Recherche en largeur

- Recherche en profondeur

- Recherche heuristique

- Jeux

- Retour en arrière

- Algorithme Minimax

- Recherche non informée

- Échantillon N-Queen

- Décision optimale

- Preuve d'admissibilité

- Arbre de recherche

- Taille alpha bêta

- Regarde devant

- Approfondissement itératif

- Recherche gourmande

- Graphique de recherche

- Recherche éclairée

- Recherche bidirectionnelle

- Cohérence

- Recherche contradictoire

- Cohérence du chemin

- Méthode d'information

- Autre mémoire limitée

- Propriétés de profondeur

3) Connaissances et raisonnement

- Logique propositionnelle

- Règle d'inférence

- Modèle de Markov caché

- Réseaux bayésiens

- Chaînage avant

- Logique du premier ordre

- ET / OU Arbres

- Sémantique

- Niveau de connaissance

- Systèmes basés sur des règles

- Pure Pro-log

- Unification

- Herbrand Universe

- Solidité

- Non monotone

4) Agir logiquement et apprendre

- Apprentissage renforcé

- Sémantique du bayésien

- Enseignement supervisé

- Problème d'apprentissage

- Réseaux sémantiques

- Réseau neuronal

- Modèle Native Bayes

- Neural artificiel

- Probabiliste

- Cadres

- Élagage de l'arbre de décision

- Perceptron

- Apprentissage statistique

- Élimination des candidats

- Propagation arrière

- Sans surveillance

- Taxonomie de l'apprentissage

- Extension de la sémantique

- Multicouche

- Fonctions de fractionnement

- Entrelacement vs non entrelacement du sous-plan

- Planification comme recherche

- La forme générale de l'algorithme EM

5) Communiquer, percevoir et agir

- Algorithme de régression

- Langage naturel

- Algorithme de clustering

- Algorithme statistique

- La reconnaissance de formes

- Utilisation et application

- Ambiguïté

- Étapes de la langue

Ces cinq unités contiennent 142 sujets et en lisant tout, vous serez assez bon pour concevoir un système utilisant des langages comme R, Python, SAS, Matlab, Weka, SPSS etc.