Avis des lecteurs
Résumé:Le livre « Artificial Intelligence by Example » de Denis Rothman est salué pour son mélange magistral de théorie et d'applications pratiques dans un large éventail de sujets liés à l'intelligence artificielle. Il comble efficacement les lacunes laissées par d'autres livres sur l'intelligence artificielle, en fournissant un aperçu à la fois des concepts mathématiques et des implémentations de codage. Cependant, certaines critiques ont souligné un manque de structure, d'organisation et de profondeur dans certains sujets en raison de sa large couverture.
Avantages:⬤ Entrelace magistralement la théorie et les exemples pratiques de codage.
⬤ Aide à combler le fossé entre les concepts mathématiques et les applications de programmation.
⬤ Couvre un large éventail de sujets en IA, ce qui le rend adapté à différents publics (étudiants, développeurs, chefs de projet).
⬤ Inclut les réponses aux exercices, améliorant ainsi l'apprentissage.
⬤ Engageant et facile à lire avec des exemples variés.
⬤ Manque d'organisation et de cohérence entre les chapitres, ce qui donne l'impression d'un ouvrage décousu.
⬤ Certains sujets ne sont pas traités en profondeur en raison de l'étendue du livre.
⬤ Des exemples concrets parfois décousus et peu clairs.
⬤ Certains lecteurs ont eu du mal à comprendre certaines sections, en particulier celles présentant des concepts complexes.
(basé sur 17 avis de lecteurs)
Titre original :
Artificial Intelligence By Example - Second Edition
Contenu du livre :
Comprenez les principes fondamentaux et développez vos propres solutions d'IA dans cette édition mise à jour et enrichie de nombreux nouveaux exemples Caractéristiques principales Des exemples basés sur l'IA pour vous guider dans la conception et la mise en œuvre de l'intelligence machine Construire l'intelligence machine à partir de zéro à l'aide d'exemples d'intelligence artificielle Développer l'intelligence machine à partir de zéro à l'aide d'une véritable intelligence artificielle Description du livre
L'IA a le potentiel de reproduire les humains dans tous les domaines. Artificial Intelligence By Example, Second Edition sert de point de départ pour comprendre comment l'intelligence artificielle est construite, à l'aide d'exemples intrigants et passionnants.
Ce livre fera de vous un penseur adaptatif et vous aidera à appliquer les concepts à des scénarios du monde réel. À l'aide d'exemples d'IA parmi les plus intéressants, allant de programmes informatiques tels qu'un simple moteur d'échecs à des chatbots cognitifs, vous apprendrez à vous attaquer à la machine avec laquelle vous êtes en compétition. Vous étudierez certains des modèles d'apprentissage automatique les plus avancés, comprendrez comment appliquer l'IA à la blockchain et à l'Internet des objets (IoT), et développerez le quotient émotionnel dans les chatbots en utilisant des réseaux neuronaux tels que les réseaux neuronaux récurrents (RNN) et les réseaux neuronaux convolutifs (CNN).
Cette édition comporte également de nouveaux exemples pour les réseaux neuronaux hybrides, la combinaison de l'apprentissage par renforcement (RL) et de l'apprentissage profond (DL), les algorithmes chaînés, la combinaison de l'apprentissage non supervisé avec les arbres de décision, les forêts aléatoires, la combinaison de DL et des algorithmes génétiques, les interfaces utilisateur conversationnelles (CUI) pour les chatbots, l'informatique neuromorphique et l'informatique quantique.
À la fin de ce livre, vous comprendrez les principes fondamentaux de l'IA et aurez travaillé sur un certain nombre d'exemples qui vous aideront à développer vos solutions d'IA. Ce que vous apprendrez Appliquer les k- plus proches voisins (KNN) aux traductions linguistiques et explorerez les opportunités offertes par Google Translate Comprendre les algorithmes enchaînés combinant l'apprentissage non supervisé avec les arbres de décision Résoudre le problème XOR avec les réseaux neuronaux feedforward (FNN) et construire son architecture pour représenter un graphique de flux de données Découvrir les modèles de méta-apprentissage avec les réseaux neuronaux hybrides Créer un chatbot et optimiser ses carences en intelligence émotionnelle avec des outils tels que Small Talk et l'enregistrement de données Construire des interfaces utilisateur conversationnelles (CUI) pour les chatbots Écrire des algorithmes génétiques qui optimisent les réseaux neuronaux d'apprentissage profond Construire des circuits d'informatique quantique À qui ce livre s'adresse-t-il ?
Développeurs et personnes intéressées par l'intelligence artificielle, qui souhaitent comprendre les principes fondamentaux de l'intelligence artificielle et les mettre en œuvre de manière pratique. Une expérience préalable de la programmation Python et des connaissances statistiques sont indispensables pour tirer le meilleur parti de ce livre. Table des matières S'initier à l'intelligence artificielle de nouvelle génération grâce à l'apprentissage par renforcement Construire une matrice de récompense Concevoir vos ensembles de données Fonctions d'évaluation de l'intelligence machine et convergence numérique Optimiser vos solutions avec le clustering K-Means Comment utiliser les arbres de décision pour améliorer le clustering K-Means Innover en IA avec Google Translate Optimiser les blockchains avec Naive Bayes Résoudre le problème XOR avec un FNN Classification d'images abstraites avec CNN Apprentissage par représentation conceptuelle Combiner RL et DL L'IA et l'IoT Visualiser des réseaux avec TensorFlow 2. x et TensorBoard Préparer l'entrée des chatbots avec les RBM et l'ACP Mettre en place un chatbot cognitif NLP UI/CUI Améliorer les déficits d'intelligence émotionnelle des chatbots Algorithmes génétiques dans les réseaux neuronaux hybrides Informatique neuromorphique Informatique quantique
Autres informations sur le livre :
| ISBN : | 9781839211539 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Broché |
Achat:
Actuellement disponible, en stock.
