Mākslīgā intelekta pamati

Šis modulis pēta mākslīgā intelekta (AI) pamatus, koncentrējoties uz pamatjēdzieniem, algoritmiem un lietojumprogrammām. Tā aptver mašīnmācīšanās, neironu tīklu, dabiskās valodas apstrādes principus un ētiskos apsvērumus, kas saistīti ar MI ieviešanu dažādās nozarēs.

Mācību programmas veidotājs

Nepieciešama palīdzība? Noklikšķiniet šeit, lai saņemtu norādījumus.

Rasels, Stjuarts J., un Pīters Norvigs. Mākslīgais intelekts: mūsdienīga pieeja. 4. izdevums Pīrsona sērija mākslīgajā intelektā. Hobokens: Pīrsons, 2021. gads.

Brahmans, Ronalds J., un Hektors J. Levesks. Zināšanu reprezentācija un argumentācija. Amsterdam; Bostona: Morgans Kaufmans, 2004.

Marslands, Stefans. Mašīnmācīšanās: algoritmiskā perspektīva. Chapman &; Hall/CRC mašīnmācīšanās un modeļu atpazīšanas sērija. Boca Raton: CRC Press, 2009.

Pūls, Deivids L. un Alans K. Makvorts. Mākslīgais intelekts: skaitļošanas aģentu pamati. 2. izdevums Cambridge University Press, 2017. gads.

https://doi.org/10.1017/9781108164085

Ghallabs, Maliks, Dana S. Nau un Paolo Traverso. Automatizētā plānošana: teorija un prakse. 1. izd. Amsterdama ; Bostona: Elsevier/Morgan Kaufmann, 2004.

Cawsey, Alison. Mākslīgā intelekta būtība. Skaitļošanas sērijas būtība. Harlova, Anglija ; Ņujorka: Prentice Hall, 1998.

Rasels, S. un P. Norvigs. “Mākslīgais intelekts: mūsdienīga pieeja.” Prentice zāle (3. izd.), 2010.

Goodfellow, Ian, Yoshua Bengio un Aaron Courville. Dziļā mācīšanās. Adaptīvā skaitļošana un mašīnmācīšanās. Cambridge, Massachusetts: The MIT Press, 2016.