Artificial Intelligence (AI)

Vamos fazer de você o especialista em Inteligência Artificial (IA) e Machine Learning (ML).

O que é inteligência artificial (IA)?

Inteligência artificial (IA) refere-se à simulação da inteligência humana em máquinas programadas para pensar como seres humanos e imitar suas ações. O termo também pode ser aplicado a qualquer máquina que exiba características associadas à mente humana, como aprendizado e solução de problemas.

A inteligência artificial (IA) é uma área da ciência da computação que enfatiza a criação de máquinas inteligentes que funcionam e reagem como seres humanos. Os processos incluem aprendizado, raciocínio e autocorreção. A IA é realizada estudando como o cérebro humano pensa e como os humanos aprendem, decidem e trabalham enquanto tentam resolver um problema.

Descubra como criar aplicativos inteligentes centrados em imagens, texto e dados de séries temporais. É usado extensivamente em muitos campos, como mecanismos de pesquisa, reconhecimento de imagem, robótica, finanças e assim por diante. Você aprenderá sobre vários algoritmos que podem ser usados ​​para criar aplicativos de Inteligência Artificial.

O que é para você?

- Introdução à Inteligência Artificial e agentes inteligentes, história da Inteligência Artificial

- Construção de agentes inteligentes (pesquisa, jogos, lógica, problemas de satisfação de restrições)

- Algoritmos de aprendizado de máquina

- Aplicações de IA (processamento de linguagem natural, robótica / visão, entendimento de linguagem)

Conteúdo do aplicativo

1) Introdução à IA

- Teste de Turing

- História da Inteligência Artificial

- Problema típico de inteligência artificial

- O ciclo da inteligência artificial

2) Abordagem de solução de problemas AI

- Espaço do Estado

- Pesquisa de gráficos

- Uma pesquisa

- Uma pesquisa genérica

- Algoritmo genético

- Pesquisa pela primeira vez

- Pesquisa em profundidade

- Pesquisa Heurística

- Jogos

- Retrocesso

- Algoritmo Minimax

- Pesquisa não informada

- amostra N-Queen

- Decisão ideal

- Prova de admissibilidade

- Árvore de pesquisa

- Poda alfa beta

- Olhe para frente

- Aprofundamento iterativo

- Pesquisa gananciosa

- Gráfico de pesquisa

- Pesquisa Informada

- Pesquisa bidirecional

- Consistência orientada

- Pesquisa Adversarial

- Consistência do caminho

- Método de Informação

- Outra memória limitada

- Propriedades da profundidade

3) Conhecimento e raciocínio

- Lógica proposicional

- Regra de Inferência

- Modelo Markov oculto

- redes bayesianas

- Encadeamento direto

- Lógica de primeira ordem

- E / OU árvores

- Semântica

- Nível de conhecimento

- Sistemas baseados em regras

- Pure Pro-log

- Unificação

- Universo Herbrand

- Solidez

- Não monotônico

4) Agir logicamente e aprender

- Aprendizagem Reforçada

- Semântica de Bayesiana

- Aprendizado supervisionado

- Problema de aprendizagem

- Redes semânticas

- Rede neural

- Modelo nativo de Bayes

- Neural Artificial

- Probabilístico

- Quadros

- Poda de Árvore de Decisão

- Perceptron

- Aprendizagem estatística

- Eliminação de Candidatos

- Propagação traseira

- Não supervisionado

- Taxonomia da Aprendizagem

- Extensão Semântica

- Multicamada

- Funções de divisão

- Intercalação vs. Não-intercalação do Subplano

- Planejamento como pesquisa

- A forma geral do algoritmo EM

5) Comunicar, perceber e agir

- Algoritmo de regressão

- Linguagem Natural

- Algoritmo de agrupamento

- Algoritmo Estatístico

- Reconhecimento de padrões

- Uso e aplicação

- Ambiguidade

- Etapas no idioma

Essas cinco unidades contêm 142 tópicos e, lendo tudo, você será bom o suficiente para projetar um sistema usando linguagens como R, Python, SAS, Matlab, Weka, SPSS etc.