Autor: Rishal Hurbans
Strana: 392
► Ostali detalji

Grokking Algoritmi veštačke inteligencije su napisani i ilustrovani kako bi se prosečnoj osobi u tehnološkoj industriji omogućilo razumevanje i implementacija algoritama veštačke inteligencije i njihova upotreba u rešavanju problema, putem upotrebe povezanih analogija, praktičnih primera i vizuelnih objašnjenja.

Ko bi trebalo da pročita ovu knjigu

Grokking Algoritmi veštačke inteligencije je namenjena programerima softvera i svima onima u industriji softvera koji žele da razotkriju koncepte i algoritme koji stoje iza veštačke inteligencije, kroz praktične primere i vizuelna objašnjenja, preko udubljivanja u teoriju i matematičke dokaze.

Knjiga je namenjena svima koji razumeju osnovne koncepte računarskog programiranja koji uključuju promenljive, tipove podataka, nizove, uslovne izraze, iteratore, klase i funkcije - dovoljno je iskustvo u bilo kom programskom jeziku; i svakom ko razume osnovne matematičke pojmove kao što su promenljive podataka, predstavljanje funkcija i crtanje podataka i funkcija na grafovima.

Kako je organizovana ova knjiga: Putokaz

Knjiga sadrži 10 poglavlja, od kojih se svako fokusira na drugačiji algoritam veštačke inteligencije ili algoritamski pristup. Od početka knjige, materijal pokriva osnovne algoritme i koncepte koji čine osnovu za učenje sofisticiranijih algoritama do kraja knjige.

• Poglavlje 1 - Intuicija veštačke inteligencije, uvodi intuiciju i osnovne koncepte koji obuhvataju podatke, tipove problema, kategorije algoritama i paradigme i slučajeve upotrebe za algoritme veštačke inteligencije.

• Poglavlje 2 - Osnove pretraživanja, pokriva suštinske koncepte struktura podataka i pristupe primitivnim algoritmima pretraživanja i njihovoj upotrebi.

• Poglavlje 3 - Inteligentno pretraživanje, ide korak dalje od primitivnih algoritama pretraživanja i uvodi algoritme pretraživanja za optimalno pronalaženje rešenja i pronalaženje rešenja u konkurentskom okruženju.

• Poglavlje 4 - Evolucioni algoritmi, se koncentriše na delovanje genetskih algoritama u kojima se rešenja problema iterativno generišu i poboljšavaju oponašajući evoluciju u prirodi.

• Poglavlje 5 - Napredni evolutivni pristupi je nastavak genetičkih algoritama, ali se dotiče naprednih koncepata koji obuhvataju kako se koraci u algoritmu mogu prilagoditi za optimalno rešavanje različitih tipova problema.

• Poglavlje 6 - Inteligencija roja: Mravi, udubljuje se u intuiciju inteligencije roja i razrađuje kako algoritam za optimizaciju kolonijom mrava koristi teoriju o tome kako mravi žive i rade na rešavanju teških problema.

• Poglavlje 7 - Inteligencija roja: Čestice nastavlja sa algoritmima roja dok se udubljuje u to koji su problemi sa optimizacijom i kako se rešavaju pomoću optimizacije rojem čestica - jer on traži dobra rešenja u velikim prostorima za pretraživanje.

• Poglavlje 8 - Mašinsko učenje, prolazi kroz tok procesa mašinskog učenja za pripremu podataka, obradu, modeliranje i testiranje - za rešavanje problema regresije pomoću linearne regresije i problema klasifikacije pomoću stabala odlučivanja.

• Poglavlje 9 - Veštačke neuronske mreže, otkrivaju intuiciju, logičke korake i matematičke proračune u treningu i korišćenje veštačke neuronske mreže za pronaženje obrazaca u podacima i predviđanjima; istovremeno ističući njeno mesto u tokovima rada mašinskog učenja.

• Poglavlje 10 - Učenje pojačano Q-učenjem pokriva intuiciju podrške učenju iz bihevioralne psihologije i deluje kroz Q-Learning algoritam za agente kako bi naučili dobre i loše odluke koje donose u okruženju.

Poglavlja treba čitati redom od početka do kraja. Koncepti i razumevanje se izgrađuju usput, tokom napredovanja kroz poglavlja. Korisno je referencirati se na Python kod, koji se nalazi u repozitoriju, nakon čitanja svakog pojedinog poglavlja da bi se eksperimentisalo i da bi se stekao praktičan uvid u to kako se može implementirati odgovarajući algoritam.