Podstawy sztucznej inteligencji: teoria i algorytmy

Sztuczna inteligencja napędza nowoczesną technologię, ale prawdziwe opanowanie jej wymaga głębokiego zrozumienia podstawowych zasad matematycznych i algorytmicznych.Ten kurs zapewnia ramy koncepcyjne, których potrzebujesz, aby wyjść poza proste korzystanie z narzędzi. Pod koniec tego kursu będziesz w stanie jasno wyrazić różnice między podstawowymi podejściami AI, zrozumieć mechanikę różnych modeli uczenia się i przeanalizować, w jaki sposób dane i logika napędzają inteligentne zachowania w złożonych systemach. Czego się nauczysz: * Zrozum podstawową terminologię, historię i główne gałęzie sztucznej inteligencji, uczenia maszynowego i głębokiego uczenia się. * Opanuj podstawowe zasady klasycznych algorytmów, w tym drzewa decyzyjne, klasterowanie i modele regresji. * Poznaj teoretyczne podstawy nowoczesnych sieci neuronowych, w tym pojęcia takie jak funkcje aktywacji i podstawowa architektura transformatora. * Zastosuj koncepcje wstępnego przetwarzania danych, inżynierii funkcji i oceny wydajności modelu za pomocą kluczowych wskaźników. * Zrozum krytyczne znaczenie wyjaśnialności modelu, uczciwości i względów etycznych w projektowaniu systemu AI. Zaczynamy od podstawowych definicji i metodycznie przechodzimy przez klasyczne paradygmaty uczenia maszynowego, zanim zbadamy teoretyczną mechanikę nowoczesnego głębokiego uczenia się i jego implikacje.Treść kładzie nacisk na rozumienie tekstu i stosowanie wiedzy teoretycznej poprzez ćwiczenia pisemne. Ten kurs jest przeznaczony dla absolutnych początkujących bez wcześniejszego doświadczenia w AI lub zaawansowanej matematyce.Jeśli jesteś ciekawy "jak" i "dlaczego" za inteligentnymi systemami, jest to idealny punkt wyjścia. Zacznij budować swoją podstawową wiedzę z teorii AI już dziś.