Hogyan tanul a mesterséges intelligencia?
Paraméterek
Szerző | Csallner András Erik |
Cím | Hogyan tanul a mesterséges intelligencia? |
Kiadó | Juhász Gyula Felsőoktatási Kiadó |
Kiadás éve | 2024 |
Terjedelem | 56 oldal |
Formátum | A/5, ragasztókötött |
ISBN | 978 963 648 027 1 |
Ezen könyvecske a teljesség igénye nélkül íródott, és célja azon olvasók kíváncsiságának kielégítése, akik szeretnének kicsit betekinteni a manapság annyira felkapott mesterséges intelligencia alapvető céljaiba, történetébe, de főleg működésébe, azaz szeretnének benézni a motorháztető alá. |
|
|
Leírás
Ezen könyvecske a teljesség igénye nélkül íródott, és célja azon olvasók kíváncsiságának kielégítése, akik szeretnének kicsit betekinteni a manapság annyira felkapott mesterséges intelligencia alapvető céljaiba, történetébe, de főleg működésébe, azaz szeretnének benézni a motorháztető alá. Az írás ehhez mérten néhol nagyon könnyen érthető, másutt gondolkodásra ösztönöz, míg máshol elkerülhetetlenül felsőbb matematikai ismereteket igényel.
A mesterséges intelligencia jelenleg a legdinamikusabban fejlődő tudományág, ezért lehetetlen ilyen korlátozott terjedelemben mindenről szólni, minden felhasználását, minden módszerét akár érintőlegesen is megemlíteni. Ezért itt csak néhány, talán fontosabb, népszerűbb, illetve a megértéshez legalkalmasabb megközelítés rövid ismertetésére van lehetőség. Akár az általános áttekintés, akár későbbi mélyebb ismeretek megszerzésére irányuló motiváció az olvasó célja, ez a könyv talán segítséget nyújthat a számára.
Juhász Gyula Felsőoktatási Kiadó, 2024.
Írta: Csallner András Erik
Tartalom
Előszó
A mesterséges intelligencia
A mesterséges intelligencia alapjai
A mesterséges intelligencia története
A gépi tanulás elméleti alapjai
Felügyelt tanulás
Döntési fák
Lineárisan szeparálható osztályok
A Perceptron tanulási szabály
Lineáris regresszió
Logisztikus regresszió
Logisztikus regresszió általános osztályozásnál, one-versus-all technika
Mesterséges neurális hálózatok
Osztályozók kiértékelése
Túltanulás
Kiértékelési protokollok
Ismételt mintavételezés
Keresztvalidáció és a leave-one-out
Mérőszámok
Hiba mérése regresszió esetében
Irodalomjegyzék