An Introduction to Knowledge Engineering

مهندسی دانش، به عنوان یک رشته و حرفه، از کاربرد عملی دهه‌ها تحقیق در هوش مصنوعی و سیستم‌های هوشمند پدید آمده است. به طور خاص، مهندسی دانش به توسعه سیستم هایی اشاره دارد که از دانش، به جای داده، برای حل بسیاری از مسائل محاسباتی جدید استفاده می کنند. این امر با استفاده از تکنیک‌های محاسباتی، که ارتباط نزدیکی با فرآیندهای شناختی انسان دارد، برای تبدیل داده‌ها به دانش به دست می‌آید.

مقدمه‌ای بر مهندسی دانش، کاوشی ساده اما دقیق از کار فعلی و تثبیت‌شده در این زمینه را ارائه می‌دهد. درمان ساده و در عین حال جامع سیستم‌های مبتنی بر دانش، زمینه‌ای اساسی در فناوری‌هایی مانند:

•سیستم‌های خبره

•شبکه‌های عصبی

• را برای خواننده فراهم می‌کند. الگوریتم های ژنتیک

•سیستم های استدلال مبتنی بر مورد

•داده کاوی

•عوامل هوشمند.

متن شامل فعالیت ها و خود ارزیابی هایی است که فرصت هایی را برای خواننده فراهم می کند تا در حین پیشرفت مفاهیم، ​​درک خود را از آنها تامل کند و آنها را تقویت کند.

این کتاب برای دانشجویان مقطع کارشناسی و کارشناسی ارشد در علوم محاسباتی و رشته های مرتبط مانند مهندسی دانش، هوش مصنوعی مناسب خواهد بود. ، سیستم های هوشمند، علوم اعصاب شناختی، رباتیک و سایبرنتیک.

علاوه بر این، انتظار می رود هر کسی که علاقه مند یا درگیر در تحولات سیستم های اطلاعاتی پیچیده است، کتاب را منبع ارزشمندی از ایده ها و راهنمایی ها بیابد.

Knowledge Engineering, as a discipline and a profession, has emerged from the practical application of decades of research into artificial intelligence and intelligent systems. In particular, knowledge engineering refers to the development of systems that use knowledge, rather than data, to solve many novel computing problems. This is achieved by the application of computing techniques, closely associated with human cognitive processes, for transforming data into knowledge.

An Introduction to Knowledge Engineering presents a simple but detailed exploration of current and established work in the field. Its simple yet comprehensive treatment of knowledge based systems will provide the reader with a substantial grounding in such technologies as:

•expert systems

•neural networks

•genetic algorithms

•case based reasoning systems

•data mining

•intelligent agents.

The text includes activities and self assessments that provide opportunities for the reader to reflect on and reinforce their understanding of the concepts as they progress.

The book will be suitable for both undergraduate and postgraduate students in computing science and related disciplines such as Knowledge Engineering, Artificial Intelligence, Intelligent systems, Cognitive Neuroscience, Robotics and Cybernetics.

In addition, it is expected that anyone interested or involved in sophisticated information system developments will find the book a valuable source of ideas and guidance.