برای ثبت درخواست به انتهای صفحه مراجعه کنید.

人工智慧入門:演算分析×設計習題×章節回顧,不只當「被AI引導的人」,更要成為「掌控AI的人」!未來不遠,跟不上時代腳步,未來一定不會有你!

Description:...

新世紀的技術大變革,「人工智慧」背後的核心技術與原理為何?
「圖靈測試」早在70年前就預言了機器的智慧將會顛覆世界?

程式設計基礎×搜尋算法定義×過度低度擬和×隨機森林算法……
不只當「被AI引導的人」,更要成為「掌控AI的人」
──想要掌握AI,先從理論課開始學起!

【搜尋策略】
第一章首先介紹單智慧型搜尋問題的定義,然後詳細介紹盲目搜尋和啟發式搜尋兩種主要的方法;隨後,將介紹多智慧型對抗搜尋。為方便讀者理解,更穿插介紹了一些必要的數據結構知識及例子。

【機器學習】
機器學習是人工智慧領域的一個重要組成部分,其基本想法是利用數據進行學習,而不是人工定義一些概念或結構。第二章將學習機器學習的核心框架,即監督式學習(supervised learning)。監督式學習的應用非常廣泛,目前也有很好的解決方案。從監督式學習出發,本書會介紹各種不同類別的數據集,包括訓練集、測試集等。正確地區分不同類別的數據集,是理解監督式學習的關鍵。

【線性迴歸】
第三章會學到監督式學習中最基礎的線性模型。在經濟學與其他社會科學領域,線性模型仍然是最為常用的模型。線性模型可以用來分析資本存量、人均受教育程度等與經濟增長的關係,或根據市場訊息預測價格變動。本章將基於線性模型的概念,介紹梯度下降法,它不僅可用於線性模型,也適用於絕大部分機器學習算法,是機器學習領域最為常用的優化算法。

【神經網路】
第五章將先從深度線性網路談起,理解為什麼簡單疊加多層線性網路對於函數表達能力毫無提升,因此需要在網路中加入非線性的元素,以得到更強的表達能力,激勵函數就是神經網路中的非線性元素。神經網路的優化算法仍然是梯度下降法,相比線性模型,神經網路的導數計算更為複雜。

【本書特色】
人工智慧被廣泛應用在日常生活中,包括無人駕駛、臉部辨識、語音助理等,這場技術變革為人類的生活帶來巨大影響,且仍舊在不斷地推陳出新。本書以簡單易懂的實例介紹人工智慧的核心原理,並以數學語言具體分析描述,加深讀者對基礎理論的理解,更結合練習題以便讀者深入學習,希望能從科學角度來見證人工智慧的變革與未來。

Show description

* ایمیل (آدرس Email را با دقت وارد کنید)
لینک پیگیری درخواست ایمیل می شود.
شماره تماس (ارسال لینک پیگیری از طریق SMS)
نمونه: 09123456789

در صورت نیاز توضیحات تکمیلی درخواست خود را وارد کنید

* تصویر امنیتی
 

به شما اطمینان می دهیم در کمتر از 8 ساعت به درخواست شما پاسخ خواهیم داد.

* نتیجه بررسی از طریق ایمیل ارسال خواهد شد

ضمانت بازگشت وجه بدون شرط
اعتماد سازی
انتقال وجه کارت به کارت
X

پرداخت وجه کارت به کارت

شماره کارت : 6104337650971516
شماره حساب : 8228146163
شناسه شبا (انتقال پایا) : IR410120020000008228146163
بانک ملت به نام مهدی تاج دینی

پس از پرداخت به صورت کارت به کارت، 4 رقم آخر شماره کارت خود را برای ما ارسال کنید.
X