Sztuczna inteligencja. Błyskawiczne wprowadzenie do uczenia maszynowego, uczenia ze wzmocnieniem i uczenia głębokiego (E-book) Zabrze

Grono entuzjastów sztucznej inteligencji stale rośnie. Jest już bowiem jasne, że stanowi ona dostępną metodę zmiany świata na lepsze. Pełnymi garściami ze zdobyczy AI czerpią naukowcy, analitycy danych, przedsiębiorcy i menedżerowie, a nawet politycy i ekonomiści. Jej możliwości wydają się dziś nieograniczone - aby je wykorzystać, wystarczy zdobyć gruntowną wiedzę i dobrze zrozumieć podstawy sztucznej inteligencji. Na pierwszy rzut oka nie są to trudne zadania. Choćby ze względu na dostęp do wielu artykułów, kursów czy książek o technologiach sztucznej inteligencji. Jednak w tym nadmiarze materiałów bardzo trudno dokonać właściwego dla siebie wyboru. To kompletny, zwięzły przewodnik po świecie sztucznej inteligencji. Znalazły się tu przejrzyście wyłożone podstawy i bardziej zaawansowane zagadnienia. Wyjaśniono, jak najlepiej zabrać się do tworzenia systemów AI wykorzystujących uczenie ze wzmacnianiem oraz głębokie uczenie. Krok po kroku pokazano, jak zrealizować pięć praktycznych projektów. To książka skierowana zarówno do studentów, jak i naukowców, menedżerów czy przedsiębiorców - dowiedzą się z niej, jak zbudować inteligentne oprogramowanie przy użyciu najlepszych i najprostszych narzędzi do programowania AI. Co ważne, aby w pełni z niej skorzystać, nie trzeba posiadać umiejętności programowania. Dzięki tej książce: opanujesz kluczowe umiejętności związane z uczeniem maszynowym zrozumiesz Q-learning oraz głęboki Q-learning poznasz takie narzędzia jak TensorFlow, Keras czy PyTorch będziesz samodzielnie tworzyć takie projekty jak wirtualny samochód wykorzystasz AI do rozwiązywania rzeczywistych problemów biznesowych nauczysz się budować inteligentne roboty Oto Twoja świetlana przyszłość w świecie AI! Spis treści: O autorze 9 O recenzentach 11 Przedmowa 13 Rozdział 1. Witamy w świecie robotów 17 Rozpoczęcie przygody z AI 18 Cztery różne modele AI 18 Praktyczne zastosowanie modeli 19 Dokąd może Cię zaprowadzić nauka AI? 20 Energia 20 Opieka zdrowotna 21 Transport i logistyka 21 Edukacja 21 Bezpieczeństwo 21 Zatrudnienie 21 Inteligentne domy i roboty 22 Rozrywka i zadowolenie 22 Środowisko 22 Gospodarka, biznes i finanse 22 Podsumowanie 23 Rozdział 2. Poznaj narzędzia AI 25 Strona GitHuba 25 Colaboratory 26 Podsumowanie 31 Rozdział 3. Podstawy języka Python - naucz się kodować w Pythonie 33 Wyświetlanie tekstu 34 Ćwiczenie 34 Zmienne i operacje 35 Ćwiczenie 36 Listy i tablice 36 Ćwiczenie 37 Instrukcje warunkowe if 38 Ćwiczenie 39 Pętle for i while 39 Ćwiczenie 42 Funkcje 42 Ćwiczenie 43 Klasy i obiekty 43 Ćwiczenie 45 Podsumowanie 46 Rozdział 4. Podstawowe techniki AI 47 Co to jest uczenie ze wzmacnianiem? 47 Pięć zasad Reinforcement Learning 48 Zasada nr 1 - system wejścia i wyjścia 48 Zasada nr 2 - nagroda 49 Zasada nr 3 - środowisko AI 50 Zasada nr 4 - proces decyzyjny Markowa 50 Zasada nr 5 - szkolenie i wnioskowanie 51 Podsumowanie 53 Rozdział 5. Twój pierwszy model AI - uważaj na bandytów! 55 Problem wielorękiego bandyty 55 Model próbkowania Thompsona 56 Kodowanie modelu 57 Zrozumienie modelu 60 Co to jest rozkład? 61 Walka z MABP 64 Strategia próbkowania Thompsona w trzech krokach 67 Ostateczny krok ku zrozumieniu próbkowania Thompsona 67 Próbkowanie Thompsona w porównaniu ze standardowym modelem 68 Podsumowanie 69 Rozdział 6. AI w sprzedaży i reklamie - sprzedawaj jak Wilk z AI Street 71 Problem do rozwiązania 71 Budowanie środowiska do przeprowadzenia symulacji 73 Uruchomienie symulacji 75 Podsumowanie sytuacji 78 Rozwiązanie AI i odświeżenie umysłu 78 Rozwiązanie AI 78 Rozumowanie 79 Implementacja 80 Próbkowanie Thompsona czy wybór losowy 80 Zacznijmy kodować 80 Wynik końcowy 84 Podsumowanie 86 Rozdział 7. Witamy w Q-learningu 87 Labirynt 88 Początek 88 Budowanie środowiska 89 Budowanie sztucznej inteligencji 95 Cały proces Q-learningu 98 Tryb treningowy 98 Tryb wnioskowania 99 Podsumowanie 99 Rozdział 8. AI w logistyce - roboty w magazynie 101 Budowanie środowiska 104 Stany 104 Akcje 104 Nagrody 105 Przypomnienie rozwiązania AI 106 Implementacja 107 Część 1. - budowanie środowiska 107 Część 2. - tworzenie rozwiązania AI z wykorzystaniem Q-learningu 109 Część 3. - wprowadzenie do produkcji 111 Ulepszenie 1. - automatyzacja przypisywania nagród 113 Ulepszenie 2. - dodawanie celu pośredniego 115 Podsumowanie 118 Rozdział 9. Zostań ekspertem od sztucznego mózgu - głębokie Q-learning 119 Przewidywanie cen domów 119 Przesyłanie zbioru danych 120 Importowanie bibliotek 121 Wyłączanie zmiennych 122 Przygotowywanie danych 124 Budowa sieci neuronowej 126 Szkolenie sieci neuronowej 127 Wyświetlanie wyników 128 Teoria głębokiego uczenia 129 Neuron 129 Funkcja aktywacji 132 Jak działają sieci neuronowe? 137 Jak się uczą sieci neuronowe? 137 Propagacja w przód i wstecz 139 Metody gradientu prostego 140 Głębokie uczenie 147 Metoda Softmax 148 Podsumowanie głębokiego Q-learningu 150 Pamięć doświadczeń 150 Cały algorytm głębokiego Q-learningu 151 Podsumowanie 152 Rozdział 10. Sztuczna inteligencja dla pojazdów autonomicznych - zbuduj samochód samojezdny 153 Budowanie środowiska 154 Określenie celu 156 Ustawianie parametrów 158 Stany wejściowe 161 Działania wyjściowe 162 Nagrody 163 Przypomnienie rozwiązania AI 165 Implementacja 166 Krok 1. - importowanie bibliotek 166 Krok 2. - stworzenie architektury sieci neuronowej 167 Krok 3. - implementacja pamięci doświadczeń 171 Krok 4. - implementacja głębokiego Q-learningu 173 Prezentacja 182 Instalowanie Anacondy 183 Tworzenie środowiska wirtualnego w Pythonie 3.6 184 Instalowanie PyTorch 186 Instalowanie Kivy 187 Podsumowanie 196 Rozdział 11. AI dla biznesu - minimalizuj koszty dzięki głębokiemu Q-learningowi 197 Problem do rozwiązania 197 Budowanie środowiska 198 Parametry i zmienne środowiska serwerowego 198 Założenia środowiska serwerowego 199 Symulacja 201 Ogólna funkcjonalność 201 Definiowanie stanów 203 Definiowanie działań 204 Definiowanie nagród 204 Przykład ostatecznej symulacji 205 Rozwiązanie AI 208 Mózg 209 Implementacja 211 Krok 1. - budowanie środowiska 212 Krok 2. - budowanie mózgu 217 Krok 3. - implementacja algorytmu uczenia przez głębokie wzmacnianie 223 Krok 4. - szkolenie AI 229 Krok 5. - testowanie AI 238 Demo 240 Podsumowanie - ogólny schemat AI 249 Podsumowanie 250 Rozdział 12. Głębokie konwolucyjne Q-learning 251 Do czego służą sieci CNN? 251 Jak działają CNN? 253 Krok 1. - konwolucja 254 Krok 2. - max pooling 256 Krok 3. - spłaszczanie 259 Krok 4. - pełne połączenie 260 Głębokie konwolucyjne Q-learning 262 Podsumowanie 263 Rozdział 13. AI dla gier wideo - zostań mistrzem Snake'a 265 Problem do rozwiązania 265 Tworzenie środowiska 266 Definiowanie stanów 267 Definiowanie działań 268 Definiowanie nagród 269 Rozwiązanie AI 270 Mózg 270 Pamięć doświadczeń 272 Implementacja 273 Krok 1. - budowanie środowiska 273 Krok 2. - budowanie mózgu 279 Krok 3. - tworzenie pamięci doświadczeń 282 Krok 4. - trening AI 283 Krok 5. - testowanie AI 289 Demo 290 Instalacja 291 Wyniki 295 Podsumowanie 297 Rozdział 14. Podsumowanie 299 Podsumowanie - ogólny schemat AI 299 Odkrywanie, co czeka Cię dalej w AI 300 Ćwicz, ćwicz i ćwicz 301 Networking 302 Nigdy nie przestawaj się uczyć 302 O autorze: Hadelin de Ponteves jest współzałożycielem i dyrektorem generalnym BlueLife AI, firmy zajmującej się najnowocześniejszą sztuczną inteligencją. Jest także przedsiębiorcą internetowym i twórcą ponad 50 wysoko ocenianych e-kursów edukacyjnych na takie tematy jak uczenie maszynowe, głębokie uczenie, sztuczna inteligencja i łańcuch bloków. Z jego szkoleń korzysta ponad 700 000 subskrybentów w 204 krajach.