Introduction to Artificial Intelligence

هدف نهایی هوش مصنوعی (A.I.) درک هوش و ساختن نرم افزارها و روبات های هوشمندی است که به عملکرد انسان نزدیک می شود. در مسیر رسیدن به این هدف، A.I. محققان تعدادی زیررشته‌های کاملاً متفاوت ایجاد کرده‌اند.

این مختصر و قابل دسترس مقدمه‌ای بر هوش مصنوعی از یک دوره آموزشی پایه یا ماژول در زمینه هوش مصنوعی پشتیبانی می‌کند، که گزینش گسترده‌ای از زیرشاخه‌های درون این را پوشش می‌دهد. رشته. این کتاب درسی الگوریتم‌ها و کاربردهای مشخصی را در زمینه‌های عوامل، منطق، جستجو، استدلال تحت عدم قطعیت، یادگیری ماشین، شبکه‌های عصبی و یادگیری تقویتی ارائه می‌کند.

موضوعات و ویژگی‌ها:</ p>

• رویکردی مبتنی بر کاربرد و عملی را برای یادگیری موضوع ارائه می‌کند
• تمرین‌های مطالعاتی با درجه‌های مختلف دشواری را در پایان هر فصل ارائه می‌کند و راه‌حل‌هایی در پایان ارائه می‌شود. از کتاب
• پشتیبانی از متن با مثال های برجسته، تعاریف، قضایا، و کارتون های گویا
• شامل فصل هایی در مورد منطق محمول، PROLOG، جستجوی اکتشافی، استدلال احتمالی، یادگیری ماشین و داده کاوی ، شبکه های عصبی و یادگیری تقویتی
• حاوی کتابشناسی گسترده برای مطالعه عمیق تر در مورد موضوعات بیشتر
• منابع آموزشی اضافی، از جمله اسلایدهای سخنرانی و داده های آموزشی برای الگوریتم های یادگیری را در وب سایت http: //www.hs-weingarten.de/~ertel/aibook

دانشجویان علوم کامپیوتر و سایر علوم فنی فنی این کتاب درسی را برای خودآموزی بسیار عالی می یابند. سطح دانش ریاضیات در دبیرستان تنها پیش نیاز برای درک مطالب است. با ابزارهای گسترده و کتابشناسی خود، یک منبع ایده آل و سریع در A.I است.

Dr. ولفگانگ ارتل استاد مرکز تحقیقات کاربردی در زمینه رباتیک خدماتی در دانشگاه علوم کاربردی Ravensburg-Weingarten، آلمان است.

The ultimate aim of artificial intelligence (A.I.) is to understand intelligence and to build intelligent software and robots that come close to the performance of humans. On their way towards this goal, A.I. researchers have developed a number of quite different subdisciplines.

This concise and accessible Introduction to Artificial Intelligence supports a foundation or module course on A.I., covering a broad selection of the subdisciplines within this field. The textbook presents concrete algorithms and applications in the areas of agents, logic, search, reasoning under uncertainty, machine learning, neural networks and reinforcement learning.

Topics and features:

• Presents an application-focused and hands-on approach to learning the subject
• Provides study exercises of varying degrees of difficulty at the end of each chapter, with solutions given at the end of the book
• Supports the text with highlighted examples, definitions, theorems, and illustrative cartoons
• Includes chapters on predicate logic, PROLOG, heuristic search, probabilistic reasoning, machine learning and data mining, neural networks and reinforcement learning
• Contains an extensive bibliography for deeper reading on further topics
• Supplies additional teaching resources, including lecture slides and training data for learning algorithms, at the website http://www.hs-weingarten.de/~ertel/aibook

Students of computer science and other technical natural sciences will find this easy-to-read textbook excellent for self-study, a high-school level of knowledge of mathematics being the only prerequisite to understanding the material. With its extensive tools and bibliography, it is an ideal, quick resource on A.I.

Dr. Wolfgang Ertel is a professor at the Collaborative Center for Applied Research on Service Robotics at the Ravensburg-Weingarten University of Applied Sciences, Germany.