
۴۴٬۰۰۰تومان
نوع فایل دانلود: EPUB
پس از خرید، یک فایل EPUB دریافت میکنید.
این فایل با Calibre، Apple Books و سایر کتابخوانهای دیجیتال مناسب است.
هوش مصنوعی بدون شک یکی از داغترین و پربحثترین موضوعات این روزهاست و به جنبههای مختلف زندگی ما راه یافته است. شناخت هوش مصنوعی و توانایی استفاده از آن مزایای فوقالعادهای برای کار و زندگی ما به ارمغان میآورد. با این حال، یادگیری هوش مصنوعی برای بسیاری از افراد کاری دلهرهآور است، که دلیل عمده آن ریاضیات پیچیده و کدهای دشوار است. این کتاب قصد دارد با استفاده از زبان ساده و روان و نمونهکدهای روشن و کاربردی، ابهامات هوش مصنوعی را برطرف کند و آن را از صفر به خوانندگان بیاموزد. این کتاب به سه بخش تقسیم شده است. در بخش اول، خوانندگان با مقدمهای آسان درباره هوش مصنوعی آشنا میشوند؛ از جمله تاریخچه، انواع هوش مصنوعی، وضعیت فعلی و روندهای آینده. سپس پایتون، یعنی ابزار برنامهنویسی پرکاربرد در هوش مصنوعی، معرفی میشود. در بخش دوم، به جنبه یادگیری ماشین در هوش مصنوعی میپردازیم و موضوعاتی مانند دستهبندی، رگرسیون، خوشهبندی و همچنین یادگیری تقویتی محبوب را بررسی میکنیم. در بخش سوم، مبحث یادگیری عمیق در هوش مصنوعی مطرح میشود و موضوعاتی نظیر دستهبندی تصویر، یادگیری انتقالی، شبکههای عصبی بازگشتی و جدیدترین شبکههای زاینده تخاصمی پوشش داده میشوند. همچنین به فناوریهای پیشرفتهای مانند پردازندههای گرافیکی (GPU)، واحدهای پردازش تنسور (TPU)، رایانش ابری و رایانش لبهای پرداخته شده است. این کتاب سرشار از مثالهای جذاب و هیجانانگیز است؛ از جمله تشخیص الگو، دستهبندی تصاویر، تشخیص چهره (که بسیار بحثبرانگیز است)، تشخیص سن و جنسیت، تشخیص صدا و گفتار، رباتهای گفتگو، پردازش زبان طبیعی، ترجمه، تحلیل احساسات، تعمیر و نگهداری پیشبینانه، تحلیل مالی و قیمت سهام، پیشبینی فروش، بخشبندی مشتریان، تحلیل دادههای زیستپزشکی و موارد بسیار دیگر.
Artificial Intelligence, or AI, is no doubt one of the hottest buzz words at the moment. AI has penetrated into many aspects of our lives. To know AI and to be able to use AI will bring enormous benefits to our work and life. However, to learn AI is a daunting task for many people, largely due to the complex mathematics and sophisticated coding. This book aims to demystify AI and teach readers about AI from scratch, by using simple, plain, languages and simple, illustrative, code examples. This book is divided into three parts.In part one, readers will follow an easy to read introduction about AI, including the history, the types of AI, the current status and possible future trend. It then introduces Python, A widely used programming tool for AI. In part two, we introduce Machine Learning aspect of AI, topics include classifications, regressions, and Clustering. It also includes the most popular Reinforcement Learning. In part three, it introduces Deep Learning aspect of AI, topics include Image Classifications, Transfer Learning, Recurrent Neural Network, and the latest Generative Adversarial Networks. It also includes the state of the art of GPU, TPU, cloud computing and edge computing.This book is packed with interesting and exciting examples such as pattern recognitions, image classifications, face recognition (most controversial), age and gender detection, voice/speech recognition, chatbot, natural language processing, translation, sentiment analysis, predictive maintenance, finance and stock price analysis, sales prediction, customer segmentation, biomedical data analysis and much more.