ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Grokking Artificial Intelligence Algorithms

دانلود کتاب افزایش الگوریتم های هوش مصنوعی

Grokking Artificial Intelligence Algorithms

مشخصات کتاب

Grokking Artificial Intelligence Algorithms

دسته بندی: سایبرنتیک: هوش مصنوعی
ویرایش: 1 
نویسندگان:   
سری:  
ISBN (شابک) : 161729618X, 9781617296185 
ناشر: Manning Publications 
سال نشر: 2020 
تعداد صفحات: 393 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 54 مگابایت

قیمت کتاب (تومان) : 46,000



کلمات کلیدی مربوط به کتاب افزایش الگوریتم های هوش مصنوعی: هوش مصنوعی، یادگیری ماشینی، الگوریتم‌ها، محاسبات تکاملی، هوش ازدحام، شبکه‌های عصبی، یادگیری تقویتی، درخت‌های تصمیم‌گیری، طبقه‌بندی، حل مسئله، بهینه‌سازی، پرسپترون، تکنیک‌های طراحی الگوریتم‌ها، توابع فعال‌سازی، الگوریتم‌های جستجو



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 15


در صورت تبدیل فایل کتاب Grokking Artificial Intelligence Algorithms به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب افزایش الگوریتم های هوش مصنوعی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.


توضیحاتی در مورد کتاب افزایش الگوریتم های هوش مصنوعی

الگوریتم‌های هوش مصنوعی Grokking یک راهنمای آموزشی کاملاً مصور و تعاملی برای رویکردها و الگوریتم‌های مختلف است که زیربنای هوش مصنوعی است. به زبانی ساده و با ارجاعات بصری فراوان و مثال‌های عملی نوشته شده است، مفاهیم، ​​اصطلاحات و تئوری را که برای ترکیب مؤثر الگوریتم‌های هوش مصنوعی در برنامه‌های خود نیاز دارید، یاد خواهید گرفت. خلاصه الگوریتم‌های هوش مصنوعی Grokking یک راهنمای آموزشی کاملاً مصور و تعاملی برای رویکردها و الگوریتم‌های مختلف است که زیربنای هوش مصنوعی است. به زبانی ساده و با ارجاعات بصری فراوان و مثال‌های عملی نوشته شده است، مفاهیم، ​​اصطلاحات و تئوری را که برای ترکیب مؤثر الگوریتم‌های هوش مصنوعی در برنامه‌های خود نیاز دارید، یاد خواهید گرفت. و برای اینکه مطمئن شوید که در حین حرکت واقعاً رشد می کنید، از هر الگوریتم در عمل با تمرین های کدنویسی خلاقانه استفاده خواهید کرد - از جمله ساخت یک بازی معمایی پیچ و خم، انجام تجزیه و تحلیل داده های الماس، و حتی کاوش در بهینه سازی مواد هواپیماهای بدون سرنشین. خرید کتاب چاپی شامل یک کتاب الکترونیکی رایگان در قالب‌های PDF، Kindle و ePub از انتشارات منینگ است. در مورد تکنولوژی هوش مصنوعی تمام بخش های زندگی ما را تحت تاثیر قرار می دهد. توصیه های خرید و تلویزیون ما را تقویت می کند. به تشخیص های پزشکی ما اطلاع می دهد. استقبال از این دنیای جدید به معنای تسلط بر الگوریتم های اصلی در قلب هوش مصنوعی است. درباره کتاب الگوریتم‌های هوش مصنوعی Grokking از تصاویر، تمرین‌ها و توضیحات بدون اصطلاحات برای آموزش مفاهیم اساسی هوش مصنوعی استفاده می‌کنند. تنها چیزی که نیاز دارید جبری است که از کلاس ریاضی دبیرستان به خاطر دارید. چالش‌های کدنویسی مانند کشف کلاهبرداری بانکی، خلق شاهکارهای هنری و به حرکت درآوردن یک ماشین خودران را کاوش کنید. داخلش چیه • از موارد برای الگوریتم های هوش مصنوعی مختلف استفاده کنید • جستجوی هوشمند برای تصمیم گیری • الگوریتم های الهام گرفته از بیولوژیکی • یادگیری ماشین و شبکه های عصبی • تقویت یادگیری برای ساخت ربات بهتر درباره خواننده برای توسعه دهندگان نرم افزار با مهارت های جبر و حساب دیفرانسیل و انتگرال در سطح دبیرستان. درباره نویسنده Rishal Hurbans یک فن‌شناس، بنیان‌گذار گروه استارتاپ و هوش مصنوعی و سخنران بین‌المللی است.


توضیحاتی درمورد کتاب به خارجی

Grokking Artificial Intelligence Algorithms is a fully-illustrated and interactive tutorial guide to the different approaches and algorithms that underpin AI. Written in simple language and with lots of visual references and hands-on examples, you’ll learn the concepts, terminology, and theory you need to effectively incorporate AI algorithms into your applications. Summary Grokking Artificial Intelligence Algorithms is a fully-illustrated and interactive tutorial guide to the different approaches and algorithms that underpin AI. Written in simple language and with lots of visual references and hands-on examples, you’ll learn the concepts, terminology, and theory you need to effectively incorporate AI algorithms into your applications. And to make sure you truly grok as you go, you’ll use each algorithm in practice with creative coding exercises—including building a maze puzzle game, performing diamond data analysis, and even exploring drone material optimization. Purchase of the print book includes a free eBook in PDF, Kindle, and ePub formats from Manning Publications. About the technology Artificial intelligence touches every part of our lives. It powers our shopping and TV recommendations; it informs our medical diagnoses. Embracing this new world means mastering the core algorithms at the heart of AI. About the book Grokking Artificial Intelligence Algorithms uses illustrations, exercises, and jargon-free explanations to teach fundamental AI concepts. All you need is the algebra you remember from high school math class. Explore coding challenges like detect­ing bank fraud, creating artistic masterpieces, and setting a self-driving car in motion. What's inside • Use cases for different AI algorithms • Intelligent search for decision making • Biologically inspired algorithms • Machine learning and neural networks • Reinforcement learning to build a better robot About the reader For software developers with high school–level algebra and calculus skills. About the author Rishal Hurbans is a technologist, startup and AI group founder, and international speaker.



فهرست مطالب

Contents
Preface
Acknowledgments
About this book
About the author
Chapter 1. Intuition of artificial intelligence
	What is artificial intelligence?
	A brief history of artificial intelligence
	Problem types and problem-solving paradigms
	Intuition of artificial intelligence concepts
	Uses for artificial intelligence algorithms
Chapter 2. Search fundamentals
	What are planning and searching?
	Cost of computation:  The reason for smart algorithms
	Problems applicable to searching algorithms
	Representing state: Creating a framework to represent problem spaces and solutions
	Uninformed search: Looking blindly for solutions
	Breadth-first search:  Looking wide before looking deep
	Depth-first search:  Looking deep before looking wide
	Use cases for uninformed search algorithms
	Optional: More about graph categories
	Optional: More ways to represent graphs
Chapter 3. Intelligent search
	Defining heuristics: Designing educated guesses
	Informed search: Looking for solutions with guidance
	Adversarial search: Looking for solutions in a changing environment
Chapter 4. Evolutionary algorithms
	What is evolution?
	Problems applicable to evolutionary algorithms
	Genetic algorithm: Life cycle
	Encoding the solution spaces
	Creating a population of solutions
	Measuring fitness of individuals in a population
	Selecting parents based on their fitness
	Reproducing individuals from parents
	Populating the next generation
	Configuring the parameters of a genetic algorithm
	Use cases for evolutionary algorithms
Chapter 5. Advanced evolutionary approaches
	Evolutionary algorithm life cycle
	Alternative selection strategies
	Real-value encoding: Working with real numbers
	Order encoding: Working with sequences
	Tree encoding: Working with hierarchies
	Common types of evolutionary algorithms
	Glossary of evolutionary algorithm terms
	More use cases for evolutionary algorithms
Chapter 6. Swarm intelligence: Ants
	What is swarm intelligence?
	Problems applicable to ant colony optimization
	Representing state: What do paths and ants look like?
	The ant colony optimization algorithm life cycle
	Use cases for ant colony optimization algorithms
Chapter 7. Swarm intelligence: Particles
	What is particle swarm optimization?
	Optimization problems: A slightly more technical perspective
	Problems applicable to particle swarm optimization
	Representing state:  What do particles look like?
	Particle swarm optimization life cycle
	Use cases for particle swarm optimization algorithms
Chapter 8. Machine learning
	What is machine learning?
	Problems applicable to machine learning
	A machine learning workflow
	Classification with decision trees
	Other popular machine learning algorithms
	Use cases for machine learning algorithms
Chapter 9. Artificial neural networks
	What are artificial neural networks?
	The Perceptron: A representation of a neuron
	Defining artificial neural networks
	Forward propagation: Using a trained ANN
	Backpropagation: Training an ANN
	Options for activation functions
	Designing artificial neural networks
	Artificial neural network types and use cases
Chapter 10. Reinforcement learning with Q-learning
	What is reinforcement learning?
	Problems applicable to reinforcement learning
	The life cycle of reinforcement learning
	Deep learning approaches to reinforcement learning
	Use cases for reinforcement learning
Index




نظرات کاربران

تمامی حقوق معنوی و مادی وبسایت متعلق به اینترنشنال لایبرری می باشد
نماد اعتماد الکترونیکی