[2/2] Grokking Artificial Intelligence Algorithms (Грокаем алгоритмы искусственного интеллекта) (Рубрика #AI)

Окончание разбора простой и понятной книги с описанием алгоритмов искусственного интеллекта.

7. Роевой интеллект: частицы
Глава посвящена алгоритму роя частиц — еще одному методу роевого интеллекта. Автор объясняет, как частицы (агенты алгоритма) перемещаются в пространстве поиска, корректируя свою скорость на основе личного опыта и опыта всего роя. Рассматривается, как этот алгоритм находит оптимальные решения, имитируя социальное поведение, например, птичьих стай или рыбных косяков. Автор рассказывает про птиц и мурмурации
8. Машинное обучение
В этой главе автор вводит основы машинного обучения: обучение с учителем, обучение без учителя и с подкреплением (про него подробнее в последней главе). Объясняются задачи, которые решает машинное обучение: регрессия, классификация, кластеризация, прогнозирование и другие. Автор показывает, как машинное обучение применяется в различных отраслях.
9. Искусственные нейронные сети
Автор объясняет архитектуру нейронных сетей: входной слой, скрытые слои и выходной слой, а также как данные передаются между ними. Рассматриваются различные типы нейронных сетей, включая сети прямого распространения, и объясняется, как они обучаются с помощью алгоритма обратного распространения ошибки.
10. Обучение с подкреплением с помощью Q-learning
В заключительной главе автор рассматривает Q-learning — метод обучения с подкреплением, где агент учится выбирать оптимальные действия на основе получаемого вознаграждения. Объясняется, как агент формирует функцию полезности Q, которая помогает ему принимать решения на основе предыдущего опыта. Рассматривается алгоритм Q-обучения и его применение для решения задач, которые можно представить в виде марковского процесса принятия решений.

В итоге, могу сказать, что книга хороша для начального знакомства с AI, но если вы уже в теме, то она покажется слишком простой:)

#AI #ML #Engineering #PopularScience #Software