Системы искусственного интеллекта и машинное обучение, Истратова Е.Е., Антонянц Е.Н., 2025

Системы искусственного интеллекта и машинное обучение, Истратова Е.Е., Антонянц Е.Н., 2025.
 
   Учебное пособие посвящено описанию принципов работы систем искусственного интеллекта, моделей и способов машинного обучения, а также алгоритмов глубокого обучения. В работе изложены научно-методологические основы и подходы к процессу разработки и применения систем искусственного интеллекта. Большое внимание уделяется принципам обработки естественного языка, инструментам искусственного интеллекта для работы с изображениями, аудио- и медиафайлами.
Учебное пособие адресовано обучающимся по направлениям 09.03.01 «Информатика и вычислительная техника», 09.03.03 «Прикладная информатика» и 45.03.02 «Лингвистика», а также может быть полезно специалистам в области информационных систем и технологий.




АЛГОРИТМЫ ГЛУБОКОГО ОБУЧЕНИЯ.
Для решения различных задач используют специальные модели глубокого обучения. Наиболее распространенными алгоритмами глубокого обучения являются следующие.

Свёрточные нейронные сети (Convolutional Neural Networks, CNN). Этот алгоритм используют для обработки изображений; такие сети содержат слои, которые выделяют ключевые признаки из входных данных с помощью математической операции - свёртки. Сеть учится различать объекты и паттерны в изображениях, что применяется для классификации, обнаружения объектов и сегментации изображений. Свёрточные нейронные сети помогают обрабатывать картинки и лучше понимать, что на них изображено. Для работы свёрточные нейронные сети добавляют в нейросеть дополнительные слои свёрточные, чтобы анализировать изображение тщательнее. В свёрточных слоях на картинку накладывают фильтры - например, делают черно-белой, выделяют все углы или обрезают. Так нейросеть находит новые детали, которые помогут ей лучше определять объекты на изображении. Первый свёрточный слой обычно нужен, чтобы находить все края и углы у объектов; следующие слои - чтобы видеть более сложные элементы, например форму или текстуру; последний слой собирает все детали вместе и делает предсказание. Так, в изображении кошки свёрточные слои могут выделить морду, уши и полосатый окрас.

ОГЛАВЛЕНИЕ.
Введение.
1. ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ.
1.1. Понятие и цели искусственного интеллекта.
1.2. Этапы развития искусственного интеллекта.
1.3. Этические аспекты использования искусственного интеллекта.
1.4. Обзор инструментов искусственного интеллекта.
2. МАШИННОЕ ОБУЧЕНИЕ.
2.1. Понятие машинного обучения.
2.2. Модели машинного обучения.
2.3. Способы машинного обучения.
3. ГЛУБОКОЕ ОБУЧЕНИЕ.
3.1. Понятие глубокого обучения.
3.2. Устройство нейронной сети.
3.3. Алгоритмы глубокого обучения.
3.4. Применение технологии глубокого обучения.
4. ОБРАБОТКА ЕСТЕСТВЕННОГО ЯЗЫКА.
4.1. Понятие и принцип работы алгоритмов NLP.
4.2. Библиотеки для NLP.
4.3. Направления применения NLP.
4.4. Сентиментальный анализ текста.
5. ГЕНЕРАТИВНЫЕ ЯЗЫКОВЫЕ МОДЕЛИ.
5.1. Понятие языковых моделей.
5.2. Генеративный искусственный интеллект и большие языковые модели.
5.3. Применение языковых моделей.
6. ОБЗОР ИНСТРУМЕНТОВ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА.
6.1. Инструменты искусственного интеллекта для работы с изображениями.
6.2. Инструменты искусственного интеллекта для работы с аудио.
Библиографический список.


Ниже можно купить эту книгу, если она есть в продаже, и похожие книги по лучшей цене со скидкой с доставкой по всей России.Купить книги


Купить .



Хештеги: #учебник по информатике :: #информатика :: #компьютеры :: #Истратова :: #Антонянц :: #искусственный интеллект