凡人也能懂的白話人工智慧演算法

    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。

    收集中
    US$18.15

    內容簡介


    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。

    作者介紹


    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


    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。

    章节目录

    1-1封面頁
    1-2書名頁
    1-3本書學習地圖
    1-4目錄
    1-5前言
    1-6致謝
    1-7關於本書
    1-8關於作者
    1-9CH01 人工智慧的基本觀念
    1-10什麼是人工智慧?
    1-11人工智慧簡史
    1-12問題類型與解決問題範式
    1-13人工智慧的基本概念
    1-14人工智慧演算法之用途
    1-15CH02 搜尋演算法基礎
    1-16什麼是計畫與搜尋?
    1-17計算成本:使用智慧演算法的原因
    1-18適用搜尋演算法的問題
    1-19代表狀態:建立代表問題空間和解的框架
    1-20無資訊搜尋:盲目尋找解
    1-21廣度優先搜尋:先廣再深
    1-22深度優先搜尋:先深再廣
    1-23無資訊搜尋演算法的使用案例
    1-24補充:圖形的種類
    1-25補充:更多表現圖形的方法
    1-26CH03 智慧搜尋
    1-27定義啟發:設計有根據的猜測
    1-28有資訊搜尋:在指引下尋找解
    1-29對抗式搜尋:在多變的環境中尋找解
    1-30CH04 進化演算法
    1-31何謂進化?
    1-32適用於進化演算法的問題
    1-33基因演算法:生命週期
    1-34編碼解空間
    1-35建立解族群
    1-36測量個體在全域中的適應性
    1-37根據適應性選擇親代
    1-38從親代複製出個體
    1-39形成下一代
    1-40配置基因演算法之參數
    1-41進化演算法的使用案例
    1-42CH05 進階進化演算法
    1-43進化演算法的生命週期
    1-44其他的選擇策略
    1-45實值編碼:處理實數
    1-46次序編碼:處理順序
    1-47樹狀編碼:處理階層
    1-48節點改變突變:改變節點數值
    1-49進化演算法常見的類型
    1-50進化演算法專有名詞表
    1-51更多進化演算法的使用案例
    1-52CH06 群體智慧:蟻群
    1-53何謂群體智慧?
    1-54適用蟻群最佳化的問題
    1-55狀態表現:如何表現路線和螞蟻?
    1-56蟻群最佳化演算法的生命週期
    1-57決定終止條件
    1-58蟻群最佳化演算法的使用案例
    1-59CH07 群體智慧:粒子
    1-60什麼是粒子群最佳化?
    1-61最佳化問題:技術觀點
    1-62可應用粒子群最佳化的問題
    1-63代表狀態:粒子長什麼樣子?
    1-64粒子群最佳化生命週期
    1-65粒子群最佳化演算法的使用案例
    1-66CH08 機器學習
    1-67什麼是機器學習?
    1-68可應用機器學習的各種問題
    1-69機器學習工作流程
    1-70使用決策樹進行分類
    1-71其他常用的機器學習演算法
    1-72機器學習演算法的使用案例
    1-73CH09 類神經網路
    1-74什麼是類神經網路?
    1-75感知器:神經元的代表
    1-76定義類神經網路
    1-77前向傳播:使用訓練後的ANN
    1-78反向傳播:訓練ANN
    1-79其他的觸發函數
    1-80設計類神經網路
    1-81類神經網路的類型與用途
    1-82CH10 使用Q-學習進行強化學習
    1-83什麼是強化學習?
    1-84強化學習可應用的問題
    1-85強化學習的生命週期
    1-86用於強化學習的深度學習方法
    1-87強化學習的使用案例
    1-88版權頁
    1-89封底頁

    常见问答

    您可以透過手機、平板或是電腦登入 HiSKIO 平台,在【我的學習】>【我的書籍】頁面,選擇想看的電子書。

    猜你喜欢

    用户评价

    | 收集中

    销售方案