|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/inteligencia-artificial-explicada-facilmente-para-principia/
课程评论：没有评论
**课程名称：** 轻松入门人工智能 **课程概述：** 本视频课程是为AI初学者设计的，旨在教授人工智能的基础概念，并回顾其历史发展。课程从“人工智能的介绍和历史背景”开始，带领学习者循序渐进地了解AI的世界。 **课程内容概要：** **第一部分：人工智能的介绍和历史背景** * 探讨人工智能（AI）的定义，包括哲学层面的思考。 * 区分强人工智能和弱人工智能。 * 介绍图灵测试及其意义。 * 回顾人工智能的诞生与早期发展。 * 分析“期望过高”的时代及其带来的反思。 * 讨论机器如何实现学习。 * 了解AI中的分布式系统。 * 学习深度学习、机器学习和自然语言处理（NLP）等核心AI技术。 **第二部分：通用问题求解器** * 介绍早期的AI技术，如“逻辑理论家”（Logic Theorist）。 * 通过“人类问题解决”的例子（Simon）来理解问题解决的模式。 * 分析问题的结构。 **第三部分：专家系统** * 区分事实知识和启发式知识。 * 讲解框架（Frames）、槽（Slots）和填充（Filling）的概念。 * 介绍正向推理（Forward Chaining）和反向推理（Backward Chaining）。 * 以MYCIN系统为例进行说明。 * 探讨专家系统中的概率应用，例如细微裂缝概率的评估。 * 专家系统虽然专注于特定问题，但其知识库依赖于大量的规则和事实。 **第四部分：神经网络** * 介绍人脑神经元的工作原理。 * 分析神经元信号的处理过程。 * 讲解感知器（Perceptron）模型。 * 本部分旨在重现人脑的功能，并通过神经网络实现数字化信息处理。将回顾早期神经网络的研究，并指出阻碍其突破性进展的关键因素。 **第五部分：机器学习（深度学习和计算机视觉）** * 通过“土豆收获”的例子说明机器学习的应用。 * 回顾深度学习的起源。 * 介绍深度学习网络的层级结构。 * 讲解计算机视觉（Computer Vision）及其相关技术。 * 介绍卷积神经网络（CNN）。 * 探讨“智能体”（Agent）的概念及其在多智能体系统中的交互。此类系统的目标是将复杂性分散到多个简化实例中。 **第六部分：当前AI的应用** * 介绍多层神经网络的最新进展。 * 深入讲解机器学习。 * 探讨计算机视觉、语音识别等当前AI领域的应用。
Este curso en video sobre inteligencia artificial está dirigido a principiantes y está diseñado para enseñarte los conceptos básicos dentro del desarrollo histórico de la IA. Por este motivo, nuestro viaje comienza con la sección "Introducción y antecedentes históricos de la IA".Temas y contenidos de las lecciones:I. Introducción y antecedentes históricos• ¿Qué es la IA? - Una consideración filosófica• IA fuerte y débil• La prueba de Turing• El nacimiento de la IA• La era de las grandes expectativas• Alcanzando a la realidad• Cómo enseñar a una máquina a aprender• Sistemas distribuidos en la IA• Aprendizaje profundo, aprendizaje automático, procesamiento de lenguaje naturalII. El solucionador general de problemas• Programa de prueba - El Teórico Lógico• Ejemplo de "Resolución de problemas humanos" (Simon)• La estructura de un problemaEn esta sección, primero abordamos las técnicas iniciales de IA. Aprenderás sobre los conceptos y sistemas de ejemplo famosos que desencadenaron esta fase temprana de euforia.III. Sistemas expertos• Conocimiento fáctico y conocimiento heurístico• Marcos, ranuras y relleno• Encadenamiento hacia adelante y hacia atrás• El programa MYCIN• Probabilidades en sistemas expertos• Ejemplo: probabilidad de grietas finasEn esta sección, discutimos los sistemas expertos que, al igual que los solucionadores de problemas generales, sólo tratan problemas específicos. Pero en cambio, usan cantidades ingentes de reglas y hechos como base de conocimiento.IV. Redes neuronales• La neurona humana• Procesamiento de señales de una neurona• El perceptrónEsta sección presagia un retorno a la idea de poder reproducir el cerebro humano y así hacerlo accesible al procesamiento de información digital en forma de redes neuronales. Analizamos los primeros enfoques y destacamos las ideas que aún faltaban para ayudar a las redes neuronales a lograr un verdadero avance.V. Aprendizaje automático (aprendizaje profundo y visión artificial)• Ejemplo: cosecha de patatas.• El año de nacimiento del Deep Learning• Capas de redes de aprendizaje profundo• Visión artificial / Visión artificial• Red neuronal convolucional.La idea de un agente y su interacción en un sistema de agentes múltiples se describe en la quinta sección. El objetivo principal de un sistema de este tipo es distribuir la complejidad en varias instancias de menor complejidad.La sexta sección trata sobre el avance de las redes neuronales multicapa, el aprendizaje automático, la visión artificial, el reconocimiento de voz y algunas otras aplicaciones de la IA en el presente.
