На нашем ресурсе вы можете полностью погрузиться в мир книги «Искусственный интеллект. Основные понятия» — читайте её онлайн бесплатно в полной, несокращённой версии. Если предпочитаете слушать — воспользуйтесь аудиоформатом; хотите сохранить — скачайте через торрент в fb2. Жанр произведения — Знания и навыки, Компьютерная литература, Программирование. Также на странице доступно подробное описание, авторская аннотация, краткое содержание и живые отзывы читателей. Мы постоянно пополняем библиотеку и улучшаем сервис, чтобы создавать лучшее пространство для всех ценителей качественной литературы.
Искусственный интеллект. Основные понятия
0 баллов
0 мнений
1 чтение
Автор
Дата выхода
20 февраля 2024
🔍 Загляните за кулисы "Искусственный интеллект. Основные понятия" — аннотация, авторский взгляд и ключевые моменты
Перед погружением в полный текст предлагаем познакомиться с произведением поближе. Здесь собраны авторские заметки, аннотация и краткое содержание "Искусственный интеллект. Основные понятия" — всё, что поможет понять глубину замысла и подготовиться к чтению. Материалы представлены в оригинальной авторской редакции (Джейд Картер) и сохраняют аутентичность произведения. Если чего-то не хватает — сообщите нам в комментариях, и мы дополним описание. Читайте мнения других участников сообщества: их отзывы часто раскрывают скрытые смыслы и добавляют новые грани понимания. А после прочтения обязательно вернитесь сюда — ваш отзыв станет ценным вкладом в общее обсуждение книги.
Описание книги
Книга представляет собой введение в мир искусственного интеллекта (ИИ). В ней рассматриваются ключевые концепции, методы и технологии, используемые в области ИИ, начиная от базовых алгоритмов машинного обучения и нейронных сетей, и заканчивая более сложными темами, такими как глубокое обучение и рекуррентные нейронные сети. Автор пошагово объясняют основные принципы работы различных подходов к ИИ и предоставляют читателям практические примеры и задания для углубления понимания материала. Эта книга предназначена как для студентов и исследователей, интересующихся темой ИИ, так и для практикующих специалистов, желающих расширить свои знания в этой области.
📚 Читайте "Искусственный интеллект. Основные понятия" онлайн — полный текст книги доступен бесплатно
Перед вами — полная электронная версия книги "Искусственный интеллект. Основные понятия", адаптированная для комфортного онлайн-чтения. Мы разбили произведение на страницы для удобной навигации, а умная система запоминает, на какой странице вы остановились — можно закрыть браузер и вернуться к чтению позже, не тратя время на поиски. Персонализируйте процесс: меняйте шрифты, размер текста и фон под свои предпочтения. Погружайтесь в мир литературы где угодно и когда угодно — любимые книги теперь всегда под рукой.
Текст книги
array([3, 7])
model.partial_fit(X_initial, y_initial)
# Новые данные поступают потоком
X_new = np.array([[5, 6]])
y_new = np.array([11])
# Инкрементное обучение модели на новых данных
model.partial_fit(X_new, y_new)
# Прогнозирование на новых данных
y_pred = model.predict(X_new)
print("Прогноз:", y_pred)
```
Это пример использования инкрементного обучения с помощью стохастического градиентного спуска для линейной регрессии. Сначала модель обучается на первом наборе данных (`X_initial`, `y_initial`) с использованием метода `partial_fit`.
Тут будет реклама 1
Затем новые данные (`X_new`, `y_new`) поступают потоком и модель обновляется с использованием того же метода `partial_fit`. В конце модель используется для прогнозирования значений на новых данных.
Задачей было показать, как можно обновлять модель линейной регрессии по мере получения новых данных, не переобучая её на всём наборе данных заново.
Конкретно, код делает следующее:
1.
Тут будет реклама 2
Создаётся объект модели линейной регрессии с использованием стохастического градиентного спуска (`SGDRegressor`).
2. Модель начально обучается на первом наборе данных (`X_initial`, `y_initial`) с помощью метода `partial_fit`.
3. Затем поступают новые данные (`X_new`, `y_new`), которые модель использует для инкрементного обучения с помощью того же метода `partial_fit`.
4. В конце модель используется для прогнозирования значений на новых данных.
Тут будет реклама 3
Такой подход к обучению особенно полезен в случае, когда данные поступают потоком или когда требуется быстрая адаптация модели к изменяющимся условиям.
Другим методом адаптации является обучение с подкреплением, где агент обучается на основе своего опыта во взаимодействии с окружающей средой. В этом случае агент может адаптировать свою стратегию действий на основе полученной обратной связи, что позволяет ему лучше справляться с изменяющимися условиями и задачами.
Тут будет реклама 4
Например, в системах управления мобильными роботами обучение с подкреплением может использоваться для адаптации к новым препятствиям или изменениям в маршруте.
Обучение и адаптация являются важными компонентами искусственного интеллекта, позволяющими системам улучшать свою производительность, эффективность и адаптироваться к изменяющимся условиям и требованиям задач.
Глава 3: Методы Решения Задач в ИИ
3.
Мнения
О книге «Искусственный интеллект. Основные понятия» ещё никто не оставил отзыв — у вас есть шанс стать первым, чьё мнение задаст тон всему обсуждению! Поделитесь впечатлениями, эмоциями, замечаниями или рекомендациями. Ваш отзыв не только добавит живого голоса к произведению, но и поможет будущим читателям понять, стоит ли им открыть эту книгу. Не держите мысли при себе — ваше слово имеет значение!
Другие книги автора
Если «Искусственный интеллект. Основные понятия» пришлась вам по душе, самое время открыть для себя другие работы Джейд Картер! В этой подборке — только произведения того же автора, чтобы вы могли глубже погрузиться в его творческий мир и насладиться схожим стилем, темами и атмосферой. Возможно, следующая книга станет для вас ещё более ярким открытием.
