Искусственный интеллект с примерами на Python: создание приложений искусственного интеллекта с помощью Python для взаимодействия с окружающим миром

Description

Об авторе О рецензенте Введение О чем эта книга Для кого предназначена книга Программная часть Принятые соглашения Файлы примеров и файл цветной вклейки Ждем ваших отзывов! Глава 1. Введение в искусственный интеллект Что такое искусственный интеллект Зачем нужно изучать ИИ? Области применения ИИ Направления исследований ИИ Оценка уровня искусственного интеллекта с помощью теста Тьюринга Как научить машины мыслить подобно людям Создание рациональных агентов Универсальный решатель задач Решение задач с помощью GPS Создание интеллектуальных агентов Типы моделей Установка Python 3 Установка в Ubuntu Установка в Mac OS X Установка в Windows Установка пакетов Загрузка данных Резюме Глава 2. Классификация и регрессия посредством обучения с учителем Обучение с учителем и без учителя Что такое классификация Предварительная обработка данных Бинаризация Исключение среднего Масштабирование Нормализация Кодирование меток Логистический классификатор Наивный байесовский классификатор Матрица неточностей Машины опорных векторов Классификация данных о доходах с помощью машин опорных векторов Что такое регрессия Создание регрессора одной переменной Создание многомерного регрессора Оценка стоимости недвижимости с использованием регрессора на основе машины опорных векторов Резюме Глава 3. Предсказательная аналитика на основе ансамблевого обучения Что такое ансамблевое обучение Построение моделей обучения посредством ансамблевого метода Что такое деревья принятия решений Создание классификатора на основе дерева принятия решений Случайные и предельно случайные леса Создание классификаторов на основе случайных и предельно случайных лесов Оценка мер достоверности прогнозов Обработка дисбаланса классов Нахождение оптимальных обучающих параметров с помощью сеточного поиска Вычисление относительной важности признаков Прогнозирование интенсивности дорожного движения с помощью классификатора на основе предельно случайных лесов Резюме Глава 4. Распознавание образов с помощью обучения без учителя Что такое обучение без учителя Кластеризация данных с помощью метода k‑средних Оценка количества кластеров с использованием метода сдвига среднего Оценка качества кластеризации с помощью силуэтных оценок Что такое смешанные гауссовские модели Создание классификатора на основе гауссовской смешанной модели Нахождение подгрупп на фондовом рынке с использованием модели распространения сходства Сегментирование рынка на основе моделей совершения покупок Резюме Глава 5. Создание рекомендательных систем Создание обучающего конвейера Извлечение ближайших соседей Создание классификатора методом K ближайших соседей Вычисление оценок сходства Поиск пользователей с похожими предпочтениями методом коллаборативной фильтрации Создание рекомендательной системы фильмов Резюме Глава 6. Логическое программирование Что такое логическое программирование Конструкции логического программирования Решение задач с помощью логического программирования Установка пакетов Python Сопоставление математических выражений Проверка простых чисел Парсинг генеалогического дерева Анализ географических данных Создание решателя головоломок Резюме Глава 7. Методы эвристического поиска Что такое эвристический поиск Неинформированный и информированный виды поиска Задачи с ограничениями Методы локального поиска Алгоритм имитации отжига Конструирование строк с использованием жадного поиска Решение задачи с ограничениями Решение задачи о раскраске областей Создание головоломки “8” Создание решателя для прохождения лабиринта Резюме Глава 8. Генетические алгоритмы Эволюционные и генетические алгоритмы Фундаментальные понятия генетических алгоритмов Генерация битовых образов с предопределенными параметрами Визуализация хода эволюции Решение задачи символической регрессии Создание контроллера интеллектуального робота Резюме Глава 9. Создание игр с помощью искусственного интеллекта Использование поисковых алгоритмов в играх Комбинаторный поиск Алгоритм MiniMax Альфа-бета-отсечение Алгоритм NegaMax Установка библиотеки easyAI Создание робота для игры Last Coin Standing (“Последняя монета”) Создание робота для игры Tic-Tac-Toe (“крестики-нолики”) Создание двух роботов, играющих между собой в игру Connect Four (“Четыре в ряд”) Создание двух роботов, играющих между собой в игру Hexapawn (“Шесть пешек”) Резюме Глава 10. Обработка естественного языка Введение и установка пакетов Токенизация текстовых данных Преобразование слов в их базовые формы с помощью стемминга Преобразование слов в их корневые формы с помощью лемматизации Разбиение текстовых данных на информационные блоки Извлечение частотности слов с помощью модели Bag of Words Создание прогнозатора категорий Создание анализатора грамматических родов Создание сентимент-анализатора Тематическое моделирование с использованием латентного размещения Дирихле Резюме Глава 11. Вероятностный подход к обработке последовательных данных Что такое последовательные данные Обработка временных рядов с помощью библиотеки Pandas Извлечение срезов временных рядов данных Выполнение операций над временными рядами Извлечение статистик из временных рядов данных Генерация данных с использованием скрытых марковских моделей Идентификация буквенных последовательностей с помощью условных случайных полей Анализ биржевого рынка Резюме Глава 12. Создание систем распознавания речи Работа со звуковыми сигналами Визуализация аудиосигналов Преобразование аудиосигналов в частотные интервалы Генерирование аудиосигналов Синтезирование звуков для генерации музыки Извлечение речевых признаков Распознавание произносимых слов Резюме Глава 13. Обнаружение и отслеживание объектов Установка библиотеки OpenCV Вычисление разности между кадрами Отслеживание объектов с помощью цветовых пространств Отслеживание объектов путем вычитания фоновых изображений Создание интерактивного трекера объектов с помощью алгоритма CAMShift Отслеживание объектов с использованием оптических потоков Обнаружение и отслеживание лиц Использование каскадов Хаара для обнаружения лиц Использование интегральных изображений для извлечения признаков Отслеживание глаз и определение координат взора Резюме Глава 14. Искусственные нейронные сети Введение в искусственные нейронные сети Создание нейронной сети Тренировка нейронной сети Создание классификатора на основе перцептрона Построение однослойной нейронной сети Построение многослойной нейронной сети Создание векторного квантизатора Анализ последовательных данных с помощью рекуррентных нейронных сетей Визуализация символов с использованием базы данных оптического распознавания символов Создание системы оптического распознавания символов Резюме Глава 15. Обучение с подкреплением Основы обучения с подкреплением Обучение с подкреплением и обучение с учителем Реальные примеры обучения с подкреплением Строительные блоки обучения с подкреплением Создание окружения Создание агента обучения Резюме Глава 16. Глубокое обучение и сверточные нейронные сети Что такое сверточные нейронные сети Архитектура CNN Типы слоев CNN Создание линейного регрессора на основе перцептрона Создание классификатора изображений на основе однослойной нейронной сети Создание классификатора изображений на основе сверточной нейронной сети Резюме Предметный указатель