凡人也能懂的白話人工智慧演算法 (Grokking Artificial Intelligence Algorithms)
Rishal Hurbans 著 CAVEDU教育團隊 曾吉弘 譯
- 出版商: 碁峰資訊
- 出版日期: 2022-12-14
- 定價: $580
- 售價: 7.9 折 $458
- 語言: 繁體中文
- 頁數: 392
- 裝訂: 平裝
- ISBN: 6263243732
- ISBN-13: 9786263243736
-
相關分類:
人工智慧、Algorithms-data-structures
- 此書翻譯自: Grokking Artificial Intelligence Algorithms
-
相關翻譯:
人工智能算法圖解 (簡中版)
立即出貨 (庫存 > 10)
買這商品的人也買了...
-
$534$507 -
$980$774 -
$520$411 -
$880$695 -
$500$375 -
$650$507 -
$620$490 -
$720$612 -
$454基於 TensorFlow 的圖像生成
-
$680$530 -
$500$390 -
$650$507 -
$600$468 -
$780$616 -
$580$522 -
$500$390 -
$450$351 -
$720$612 -
$880$748 -
$780$663 -
$880$695 -
$650$514 -
$650$553 -
$600$468 -
$780$616
相關主題
商品描述
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。
作者簡介
Rishal Hurbans
自孩提時期,Rishal便以醉心於電腦、科技與各種瘋狂的點子。在他的職業生涯中,他帶領了許多專案團隊、軟體工程、策略規劃以及針對許多國際企業來設計端對端的解決方案。他也曾經在其公司、社群與產業中積極推動關於實用主義、學習與技術發展的風氣。
Rishal對於商業技巧與策略、帶領個人與團隊成長、設計思考、人工智慧與哲學有極大的熱情。Rishal推出了多款數位產品來提高個人與企業的生產力,同時專注於最重要的事情。他也曾頻繁於全球各大研討會分享,致力讓複雜的觀念變得更好理解,以及幫助人們提升自我。
目錄大綱
第1章—人工智慧的基本觀念,介紹了關於資料、問題類型、演算法的分類與範例,以及人工智慧演算法用途等等的基本常識與概念。
第2章—搜尋演算法基礎,介紹了資料結構的核心觀念、簡易搜尋演算法的原理與其用途。
第3章—智慧搜尋,延續先前的簡易搜尋演算法並進一步介紹在找解上更有效率、以及可在競爭型環境中找解的搜尋演算法。
第4章—進化演算法,深入介紹了基因演算法的運作原理,其中問題的解是藉由模仿自然界中的演化過程來迭代產生並改良。
第5章—進階進化演算法,本章是基因演算法的延續,並談到了關於如何調整演算法各步驟的進階概念,藉此來更有效地解決不同類型的問題。
第6章—群體智慧:蟻群,本章談到了群體智能的基本觀念,並實際示範一遍蟻群最佳化演算法如何根據螞蟻的生活與工作方式來解決各種困難的問題。
第7章—群體智慧:粒子,接續群體演算法並深入說明何謂最佳化問題,以及由於粒子群體最佳化方法可在大型搜尋空間中找到良好解,因此也可用於處理這類問題。
第8章—機器學習,說明機器學習的工作流程,涵蓋資料準備、處理、建模、測試,運用線性迴歸來解決迴歸問題,使用各種決策樹來處理分類問題。
第9章—類神經網路,說明了在訓練、運用類神經網路來找出資料中的樣式並進進預測時,所需的基本觀念、邏輯性步驟以及數學計算過程;同時也會強調類神經網路在機器學習流程中所扮演的角色。
第10章—使用Q-學習進行強化學習,介紹了強化學習的重要觀念,從行為心理學開始,一路談到如何使用Q-學習演算法讓代理學會在環境中的所做的決策品質好壞。