DIGI035 - Введение в искусственный интеллект

О чем этот курс?

Для кого этот курс?

Чему Вы научитесь?

1. Объяснять «искусственный интеллект» и как идентифицировать системы с использованием искусственного интеллекта
2. Понимать и различать основные типы и методологии, используемые в искусственном интеллекте
3. Объяснить, как искусственный интеллект обеспечивает возможности, выходящие за рамки традиционных технологий
4. Описать вклад и приложения искусственного интеллекта
5. Объяснять роль агентов искусственного интеллекта и то, как они связаны с окружающей средой, включая способы оценки того, как агенты действуют, устанавливая цели.
6. Понимать основы представления знаний, методов рассуждения и знать, как создавать простые системы, основанные на знаниях
7. Понимать основы некоторых более сложных тем искусственного интеллекта, таких как машинное обучение, глубокое обучение, агенты и робототехника
8. Понимать основные концепции и базовые подходы к синтаксису и семантике обработки естественного языка.
9. Определить, что такое системы на основе правил и нечеткие экспертные системы
10. Понимать фундаментальные проблемы подходов к машинному обучению, а также проблемы машинного обучения и сложности моделей
11. Ознакомиться с некоторыми из основных методов обучения
12. Понимать основы фундаментальных знаний методологии глубокого обучения
13. Обсудить историю, концепции и ключевые компоненты роботов
14. Понять роль искусственного интеллекта в анализе «больших данных»
15. Объяснять основы платформ искусственного интеллекта и способы их использования

Программа курса

• • Значение искусственного интеллекта (ИИ).
• • Определение термину «интеллект» и его компоненты, такие как рассуждение, обучение, решение проблем. Определение человеческого интеллекта.
• • Определение искусственного интеллекта, описывая его четыре категории: реактивная машина, ограниченная память, теория разума и самосознание.
• • Дисциплины искусственного интеллекта, такие как философия, математика, нейробиология, психология, компьютерная инженерия, лингвистика, теория управления и экономическая кибернетика.
• • История искусственного интеллекта, начиная с зарождения искусственного интеллекта, рождения искусственного интеллекта, за которым последовал ранний энтузиазм, затем большие ожидания до сегодняшнего дня.
• • Цели искусственного интеллекта и их взаимосвязь, например: рассуждение, представление знаний о данных, восприятие, способность перемещать объекты и обработка естественного языка

• • Подходы искусственного интеллекта, такие как когнитивная наука, законы мышления, тест Тьюринга и рациональный агент.
• • Разница между сильным, слабым, узким и широким искусственным интеллектом.
• • Типы алгоритмов искусственного интеллекта, такие как символическое мышление, соединения, смоделированные на основе нейронов мозга, байесовский вывод и системы, которые обучаются по аналогии.
• • Основные направления искусственного интеллекта, такие как распознавание образов, представление знаний, эвристика и обучение.
• • Основные области искусственного интеллекта, такие как машинное обучение и естественные языки, а также классификацию каждой области. Разница между распознаванием речи и голоса и представьте примеры полевых приложений искусственного интеллекта.
• •Проблемы при масштабировании приложений искусственного интеллекта и почему так важен графический процессор.
• • Самые популярные языки программирования искусственного интеллекта и цели каждого языка

• • Терминология агента и как агент взаимодействует со средой через датчики и исполнительные механизмы.
• • Концепции рациональности и ее терминология
• • Свойства среды, такие как наблюдаемые / частично наблюдаемые, и различия между ними

• • Основные агенты, которые могут формировать представления о сложном мире, и значение опыта.
• • Термин «представление знаний» и классификация срочных решений, например: оптимальное, удовлетворительное, приблизительно оптимальное и вероятное.
• •Механизм вывода и как он обеспечивает методологию рассуждений об информации в базе знаний

• • Как определять термин экспертная система.
• • Взаимосвязь между типичными компонентами экспертной системы, такими как механизм вывода, база знаний, модуль сбора данных, экспертные знания, эксперт-инженер, механизм вывода, данные, специфичные для предметной области, и пользовательский интерфейс.
• • Основные возможности экспертной системы.
• • Характеристики экспертной системы.
• • Обычные системы и экспертные системы.
• • Основные преимущества и недостатки экспертной системы. Перечислите наиболее часто используемые приложения.
• • Шаги по разработке экспертной системы.
• • Как использовать экспертную систему для классификации неизвестного животного на основе диалога вопросов и ответов.
• • MYCIN - одна из первых экспертных систем, которая должна работать на уровне эксперта-человека и предоставлять пользователям полное объяснение ее логических рассуждений

• • Нечеткая система как новый метод рассуждений, которые напоминают человеческие рассуждения.
• • Основные преимущества и недостатки нечеткой логики.
• • Как нечеткая система реализована в нескольких областях

• • Использование компьютеров для манипулирования естественным языком
• • Определение обработки естественного языка (NLP) и ее основной терминологии.
• • Как программировать компьютеры для обработки и анализа больших объемов
• • Языковые данные, такие как лексический анализ, синтаксический, семантический анализ, интеграция раскрытия информации и программный анализ.
• • Основные компоненты НЛП, необходимые для понимания естественного языка (машинного или устного).
• •Пять основных этапов построения обработки естественного языка, таких как распознавание / преобразование и сегментация / синтаксический анализ.
• • Две основные задачи обработки естественного языка: обработка текста и обработка речи, а также определить основные задачи обработки текста. Основные задачи распознавания речи и преобразования текста в речь.
• • Сильные и слабые стороны обработки естественного языка

• • Почему агентам нужно учиться?
• • Три категории обратной связи в машинном обучении

• • Значение обучения с подкреплением и то, как оно используется машинами.
• • Значение контролируемого обучения и то, как оно используется машинами. Разница между усиленным обучением и обучением с учителем.
• • Значение обучения без учителя и то, как оно используется машинами. Разница между обучением с учителем и без учителя

• • Терминология машинного обучения, как модель, обучение и прогнозирование, и понимать взаимосвязь и различия между ними.
• • Как машинное обучение уже внедрено в повседневную жизнь.
• • Разница между машинным обучением и искусственным интеллектом

• • Простая биологическая структура нейронной сети и ее характеристики. Концепции ИНС по отношению к нейронным сетям.
• • Как отличить биологические нейроны от искусственных нейронов.
• • Характеристики искусственной нейронной сети

• • Как несколько нейронов устроены или искусственно расположены относительно друг друга. Концепция слоев, прямой связи и обратной связи для потока информации и связи нейронов.
• • Причины, по которым используются нейронные сети. Помните о различных областях, которые может выполнять ИНС, которые просты для человека, но сложны для машины

• • Основные концепции глубокого обучения как подполя машинного обучения. Основные задачи, которые в настоящее время поддерживает глубокое обучение, и то, что оно может поддерживать в будущем.
• • Шаги, необходимые для обработки глубокого обучения.
• • Как глубокое обучение можно применить к распознаванию изображений и почерку.
• • Разница между глубоким обучением и машинным обучением.
• • Некоторые способы применения глубокого обучения в настоящее время

• • Термин «автоматизация процессов робототехники».
• • Основные преимущества использования робототехники и некоторых часто используемых действиях.
• • Особенности автоматизации процессов с помощью роботов.
• • Различия между роботами и программами искусственного интеллекта.
• • Краткая история роботов, включая то, как они развивались и в каких отраслях

• • Необходимые компоненты робота, такие как: движение, привод, датчик и система управления.
• • Что нужно роботам для разных типов движения.
• • Почему зрение важно для роботов во многих отраслях промышленности

• • Роботы теперь построены так, чтобы напоминать человеческое тело, и уметь обрисовывать некоторые текущие способы их использования.
• • Как классифицировать программное обеспечение для автоматизации обработки роботов, и знать примеры роботов, которые в настоящее время используют или будут использовать это в будущем

• • Термин «большие данные» и его основные типы. Концепции хранилища репозитория.
• • Признанные типы источников больших данных.
• • Большие данные являются мощным инструментом и как они способствуют улучшению таких областей, как: образование, здоровье, безопасность, правоохранительные органы и умные города.

• • Термин «аналитика» и четыре типа анализа данных: диагностический, описательный, прогнозные и предписывающие. Отношение между ними.
• • Различные типы технологий, которые обрабатывают большие данные. Популярная платформа для хранения и обработки больших объемов данных

• • Что такое платформа искусственного интеллекта.
• • Примеры платформ машинного обучения и что они предоставляют

Предварительные требования

• Базовое понимание цифровизации и искусственного интеллекта

Доступные форматы

• Под руководством инструктора онлайн