
How AI solves complex problems
کتاب درک عمیق الگوریتمهای هوش مصنوعی با هدف درک و پیادهسازی الگوریتمهای هوش مصنوعی برای حل مسائل مختلف نوشته و تصویرسازی شده است. این اثر تلاش میکند تا مفاهیم پیچیده را برای افراد فعال در صنعت فناوری اطلاعات به شکلی ساده و قابل فهم ارائه دهد. نویسنده با استفاده از تمثیلهای ملموس، مثالهای کاربردی و توضیحات بصری جذاب، مسیر یادگیری را هموار کرده است.
دورانِ انحصار هوش مصنوعی در آزمایشگاههای دانشگاهی و برای دانشمندان محقق به پایان رسیده است. امروزه، هوش مصنوعی موتور محرک جستجوها، بهینهسازی مسیرها و شخصیسازی رابطهای کاربری است. با تبدیل شدن این ابزارها به اجزای استاندارد در توسعه نرمافزار، مهندسان، مدیران محصول و معماران نرمافزار باید نگاهی فراتر از یک جعبه سیاه به این فناوری داشته باشند. با درک شهودی و عمیق این الگوریتمها، شما از یک مصرفکننده ساده رابطهای برنامهنویسی به یک سازنده سیستمهای هوشمندتر و مقاومتر تبدیل خواهید شد.
این کتاب برای توسعهدهندگان نرمافزار و تمامی شاغلین صنعت نرمافزار طراحی شده است که میخواهند به جای غرق شدن در مباحث عمیق تئوری و اثباتهای پیچیده ریاضی، سازوکار واقعی الگوریتمهای هوش مصنوعی را از طریق مثالهای عملی بیاموزند.
پیشنیازهای مطالعه این کتاب بسیار پایهای است. آشنایی با مفاهیم اولیه برنامهنویسی رایانه شامل متغیرها، انواع داده، آرایهها، دستورات شرطی، تکرارکنندهها، کلاسها و توابع در هر زبان برنامهنویسی کفایت میکند. همچنین، درک مفاهیم ابتدایی ریاضی مانند متغیرهای داده، نمایش توابع و نحوه ترسیم دادهها روی نمودار برای درک بهتر مطالب ضروری است.
این کتاب شامل ۱۲ فصل است که هر کدام بر روی یک الگوریتم یا رویکرد الگوریتمی متفاوت تمرکز دارند. فصلهای ابتدایی، مفاهیم و الگوریتمهای پایهای را پوشش میدهند که زیربنای یادگیری الگوریتمهای پیشرفتهتر در فصلهای بعدی هستند. توصیه میشود فصلها به صورت متوالی و از ابتدا تا انتها خوانده شوند تا درک مفاهیم به صورت گامبهگام شکل بگیرد.
در فصل اول با عنوان شهود هوش مصنوعی، مفاهیم بنیادین پیرامون دادهها، انواع مسائل، دستهبندی الگوریتمها و موارد استفاده آنها معرفی میشود. فصل دوم به مبانی جستجو اختصاص دارد و ساختارهای داده و رویکردهای جستجوی اولیه را بررسی میکند. در فصل سوم، وارد مبحث جستجوی هوشمند میشویم که الگوریتمهایی برای یافتن راهحلهای بهینهتر در محیطهای رقابتی را معرفی میکند.
فصل چهارم به الگوریتمهای تکاملی و نحوه عملکرد الگوریتمهای ژنتیک میپردازد؛ جایی که راهحلها با تقلید از تکامل در طبیعت، به صورت تکرارشونده تولید و بهبود مییابند. فصل پنجم این مبحث را با بسط میدهد. در فصل ششم و هفتم، مورد بررسی قرار میگیرد. ابتدا الگوریتم بهینهسازی کلونی مورچگان برای حل مسائل سخت مطرح میشود و سپس بهینهسازی ازدحام ذرات برای یافتن راهحلهای مناسب در فضاهای جستجوی بزرگ آموزش داده میشود.
کلمات کلیدی:فصل هشتم به یادگیری ماشین اختصاص دارد و جریان کاری آمادهسازی داده، پردازش، مدلسازی و آزمایش را برای حل مسائل رگرسیون و طبقهبندی بررسی میکند. فصل نهم، شبکههای عصبی مصنوعی را معرفی میکند و مراحل منطقی و محاسبات ریاضی در آموزش این شبکهها برای یافتن الگوها و انجام پیشبینیها را رمزگشایی میکند.
در فصل دهم، یادگیری تقویتی و الگوریتمهای تصمیمگیری مبتنی بر روانشناسی رفتاری آموزش داده میشود. فصل یازدهم به یکی از داغترین مباحث روز یعنی مدلهای زبانی بزرگ میپردازد و خط لوله داده برای آموزش این مدلها با استفاده از معماری ترانسفورمر را بررسی میکند. در نهایت، فصل دوازدهم مدلهای تصویرساز زایا را پوشش میدهد و فرآیند تولید تصویر با استفاده از مدلهای انتشار را به تصویر میکشد.
نمونه چاپ کتاب موجود نیست.
نظرات کاربران (0)