Kursüberblick
Maschinelles Lernen und neuronale Netze sind die Säulen, auf denen Sie intelligente Anwendungen aufbauen können. Grundlagen der künstlichen Intelligenz und des maschinellen Lernens beginnt mit einer Einführung in Python und der Erörterung von KI-Suchalgorithmen. Sie werden eingehende mathematische Themen wie Regression und Klassifizierung behandeln, die durch Python-Beispiele veranschaulicht werden.
Auf Ihrem Weg durch das Buch werden Sie fortgeschrittene KI-Techniken und -Konzepte kennenlernen und mit realen Datensätzen arbeiten, um Entscheidungsbäume und Cluster zu bilden. Sie werden in neuronale Netze eingeführt, ein leistungsstarkes Werkzeug, das auf dem Mooreschen Gesetz basiert.
Kursziele
- die Bedeutung, die Grundsätze und die Bereiche der KI zu verstehen
- Umsetzung grundlegender Konzepte der künstlichen Intelligenz mit Python
- Anwendung von Regressions- und Klassifikationskonzepten auf reale Probleme
- Durchführung prädiktiver Analysen mit Entscheidungsbäumen und Zufallswäldern
- Clustering mit den Algorithmen k-means und mean shift durchführen
- Verstehen Sie die Grundlagen des Deep Learning anhand praktischer Beispiele
Kursinhalt
1: Grundlagen der künstlichen Intelligenz
- Einführung
- Bereiche und Anwendungen der Künstlichen Intelligenz
- KI-Tools und Lernmodelle
- Die Rolle von Python in der künstlichen Intelligenz
- Python für Spiele-KI
- Zusammenfassung
2: KI mit Suchtechniken und Spielen
- Einführung
- Heuristik
- Pfadfindung mit dem A*-Algorithmus
- Spiel-KI mit dem Minmax-Algorithmus und Alpha-Beta Pruning
- Zusammenfassung
3: Regression
- Einführung
- Lineare Regression mit einer Variablen
- Lineare Regression mit mehreren Variablen
- Polynomielle und Support-Vektor-Regression
- Zusammenfassung
4: Klassifizierung
- Einführung
- Die Grundlagen der Klassifizierung
- Klassifizierung mit Support-Vektor-Maschinen
- Zusammenfassung
5: Verwendung von Bäumen für die prädiktive Analyse
- Einführung in Entscheidungsbäume
- Random Forest Klassifikator
- Zusammenfassung
6: Clustering
- Einführung in das Clustering
- Der k-means Algorithmus
- Mittelwertverschiebungsalgorithmus
- Zusammenfassung
7: Deep Learning mit neuronalen Netzen
- Einführung
- TensorFlow für Python
- Einführung in Neuronale Netze
- Tiefes Lernen
- Zusammenfassung
8: Anhang A
- Lektion 1: Grundlagen von AI
- Lektion 2: KI mit Suchtechniken und Spielen
- Lektion 4: Klassifizierung
- Lektion 5: Verwendung von Bäumen für die prädiktive Analyse
- Lektion 6: Clustering
- Lektion 7: Tiefes Lernen mit neuronalen Netzen
Dieser Text wurde automatisiert übersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte hier.