Artificial Intelligence (AI)

Apa itu Kecerdasan Buatan (AI)?

Intelegensi buatan (AI) mengacu pada simulasi kecerdasan manusia dalam mesin yang diprogram untuk berpikir seperti manusia dan meniru tindakan mereka. Istilah ini juga dapat diterapkan pada mesin apa pun yang menunjukkan sifat-sifat yang terkait dengan pikiran manusia seperti pembelajaran dan pemecahan masalah.

Kecerdasan buatan (AI) adalah bidang ilmu komputer yang menekankan penciptaan mesin cerdas yang bekerja dan bereaksi seperti manusia. Prosesnya meliputi pembelajaran, penalaran, dan koreksi diri. AI dicapai dengan mempelajari bagaimana otak manusia berpikir, dan bagaimana manusia belajar, memutuskan, dan bekerja sambil mencoba memecahkan suatu masalah.

Temukan cara membangun aplikasi cerdas yang berpusat pada gambar, teks, dan data deret waktu. Ini digunakan secara luas di berbagai bidang seperti mesin pencari, pengenalan gambar, robot, keuangan, dan sebagainya. Anda akan belajar tentang berbagai algoritma yang dapat digunakan untuk membangun aplikasi Kecerdasan Buatan.

Apa gunanya bagimu?

- Pengantar Kecerdasan Buatan dan agen cerdas, sejarah Kecerdasan Buatan
- Membangun agen cerdas (pencarian, game, logika, kendala masalah kepuasan)
- Algoritma Pembelajaran Mesin
- Aplikasi AI (Pemrosesan Bahasa Alami, Robotika / Visi, Pemahaman Bahasa)

Konten aplikasi

1) Pengantar AI

- Uji Turing
- Sejarah Kecerdasan Buatan
- Masalah Kecerdasan Buatan Khas
- Siklus Kecerdasan Buatan

2) Pendekatan pemecahan masalah AI

- Ruang Negara
- Pencarian Grafik
- Pencarian
- Pencarian Generik
- Algoritma genetika
- Pencarian Luas Pertama
- Pencarian Kedalaman
- Pencarian Heuristik
- Permainan
- Mundur
- Algoritma Minimax
- Pencarian Tidak Informasi
- Sampel N-Queen
- Keputusan Optimal
- Bukti Admissibility
- Pohon Pencarian
- Alpha Beta Pruning
- Lihat kedepan
- Pendalaman berulang
- Pencarian Serakah
- Grafik Pencarian
- Pencarian Informed
- Pencarian dua arah
- Konsistensi didorong
- Pencarian Adversarial
- Konsistensi jalur
- Metode Informasi
- Memori lain terbatas
- Sifat kedalaman

3) Pengetahuan dan penalaran

- Logika Proposisional
- Aturan Inferensi
- Model Markov Tersembunyi
- Jaringan Bayesian
- Penerusan maju
- Logika urutan pertama
- DAN / ATAU Pohon
- Semantik
- Tingkat Pengetahuan
- Sistem berbasis aturan
- Pro-log Murni
- Unifikasi
- Herbrand Universe
- Kesehatan
- Non-monoton

4) Bertindak secara logis dan belajar

- Pembelajaran Bertulang
- Semantik Bayesian
- Pembelajaran yang diawasi
- Masalah pembelajaran
- Jaringan Semantik
- Jaringan syaraf
- Model Asli Bayes
- Saraf Tiruan
- Probabilistik
- Bingkai
- Pemangkasan Pohon Keputusan
- Perceptron
- Pembelajaran statistik
- Calon Eliminasi
- Propagasi Kembali
- Tidak diawasi
- Taksonomi Pembelajaran
- Memperluas Semantik
- Multi-Layer
- Fungsi Pemisahan
- Interleaving vs Non-Interleaving dari Sub-Plan
- Perencanaan sebagai pencarian
- Bentuk Umum Algoritma EM

5) Berkomunikasi, memahami dan bertindak

- Algoritma Regresi
- Bahasa Alami
- Algoritma Clustering
- Algoritma Statistik
- Pengenalan Pola
- Penggunaan & Aplikasi
- Ambiguitas
- Langkah-langkah dalam Bahasa


Kelima unit ini berisi 142 topik dan dengan membaca semua Anda akan cukup baik untuk merancang sistem menggunakan bahasa seperti R, Python, SAS, Matlab, Weka, SPSS dll.