Arduino. Искусственный интеллект и машинное обучение

Те, кто знаком с концепциями искусственного интеллекта (ИИ) и машинного обучения (МО), могут возразить, что они наиболее подходят для более мощных вычислительных платформ. Однако недавние разработки позволили использовать определенные приложения на микроконтроллерах после их обучения. В этой книге обсуждаются методы ИИ и МО специально для микроконтроллеров. Цель состоит в том, чтобы познакомить вас с концепциями и позволить вам попрактиковаться на недорогом, доступном оборудовании и программном обеспечении Arduino. Вначале рассматриваются Arduino IDE, Arduino Nano 33 BLE Sense, а также методы работы с сенсорами и периферийными интерфейсами. Далее на базе этих микроконтроллеров реализуются методы K ближайших соседей (KNN), деревья решений, нечеткая логика, персептроны и искусственные нейронные сети (ANN). Издание предназначено широкому кругу радиолюбителей, инженеров, разработчиков, а также может быть полезно студентам и преподавателям.

В книге дается обзор современного состояния и перспектив развития исследований по машинному интеллекту. Предложен подход к созданию "сильного" искусственного интеллекта с использованием принципов работы человеческого мозга. .Каждая глава представляет собой самостоятельный очерк, ставящий и разрешающий актуальные вопросы современности: Какие задачи предстоит решить на пути совершенствования машинного обучения? Как машинный интеллект может способствовать технологическому развитию общества в целом и частного предпринимательства в частности? Чего можно ожидать от машинного интеллекта в ближайшие 10-15 лет? .Адресована студентам, исследователям и разработчикам приложений в области искусственного интеллекта, а также всем, кого интересуют принципы работы мозга с позиций теории машинного обучения.

Книга рассказывает о применении искусственного интеллекта и машинного обучения в бизнесе и инженерной практике. Подробно описаны популярные алгоритмы машинного обучения и разъяснено, когда их целесообразно использовать. Приведены примеры построения моделей машинного обучения на языке Python с помощью библиотеки Scikit-Learn, а также создания нейронных сетей посредством библиотек Keras и TensorFlow. Изложены базовые принципы и способы оценки регрессионных моделей, моделей бинарной и многоклассовой классификации. Показаны примеры создания модели распознавания лиц и обнаружения объектов, языковых моделей, отвечающих на естественно-языковые вопросы и переводящих текст на другие языки. Рассмотрено использование набора облачных API Cognitive Services для внедрения ИИ в различные приложения. Для инженеров и разработчиков программного обеспечения

Книга рассказывает о применении искусственного интеллекта и машинного обучения в бизнесе и инженерной практике. Подробно описаны популярные алгоритмы машинного обучения и разъяснено, когда их целесообразно использовать. Приведены примеры построения моделей машинного обучения на языке Python с помощью библиотеки Scikit-Learn, а также создания нейронных сетей посредством библиотек Keras и TensorFlow. Изложены базовые принципы и способы оценки регрессионных моделей, моделей бинарной и многоклассовой классификации. Показаны примеры создания модели распознавания лиц и обнаружения объектов, языковых моделей, отвечающих на естественно-языковые вопросы и переводящих текст на другие языки. Рассмотрено использование набора облачных API Cognitive Services для внедрения ИИ в различные приложения. Для инженеров и разработчиков программного обеспечения

Книга знакомит школьников с машинным обучением через выполнение 13 практических проектов в доступной образовательной онлайн-среде с применением языка визуального программирования Scratch. Все проекты в книге сопровождаются подробными пошаговыми инструкциями, доступными для любого новичка.

Книга знакомит школьников с машинным обучением через выполнение 13 практических проектов в доступной образовательной онлайн-среде с применением языка визуального программирования Scratch. Все проекты в книге сопровождаются подробными пошаговыми инструкциями, доступными для любого новичка.

Показан процесс изучения основ машинного и глубокого обучения в теоретической и прикладной плоскости подготовки. Рассмотрены профильные направления искусственного интеллекта и критерии их значимости. Приведен анализ и аудит содержания подходящих существующих готовых рабочих программ. Для специалистов в области искусственного интеллекта. Может быть полезно студентам, обучающимся по направлению подготовки «Искусственный интеллект».

Показан процесс изучения основ машинного и глубокого обучения в теоретической и прикладной плоскости подготовки. Рассмотрены профильные направления искусственного интеллекта и критерии их значимости. Приведен анализ и аудит содержания подходящих существующих готовых рабочих программ. Для специалистов в области искусственного интеллекта. Может быть полезно студентам, обучающимся по направлению подготовки «Искусственный интеллект».

Глубокое обучение — машинное обучение, которое строится на идее обучения через примеры. Эта книга разбирает основные идеи этой сложной отрасли изучения искусственного интеллекта. Авторы ставят цель сформировать целостное представление о том, как решаются задачи в области глубокого обучения, какие понятия используются в этой среде и как внедрять соответствующие алгоритмы. С оживлением нейросетей в 2000-е годы глубокое обучение стало чрезвычайно активно развивающейся областью исследования, прокладывающей путь современному машинному обучению. Эта книга предлагает примеры и толкования, которые помогут понять основные идеи в этой сложной отрасли знаний. Такие крупные компании, как Google, Microsoft и Facebook, обратили внимание на глубокое обучение и активно увеличивают штат своих подразделений, работающих в этой области. Для всех остальных оно остается все еще сложным, комплексным и трудноуловимым предметом. Исследования переполнены непонятным жаргоном, а разрозненные учебники, имеющиеся в сети, не дают должного представления о том, как решаются задачи в этой области. Цель этой книги — заполнить данный пробел.

Глубокое обучение — машинное обучение, которое строится на идее обучения через примеры. Эта книга разбирает основные идеи этой сложной отрасли изучения искусственного интеллекта. Авторы ставят цель сформировать целостное представление о том, как решаются задачи в области глубокого обучения, какие понятия используются в этой среде и как внедрять соответствующие алгоритмы. С оживлением нейросетей в 2000-е годы глубокое обучение стало чрезвычайно активно развивающейся областью исследования, прокладывающей путь современному машинному обучению. Эта книга предлагает примеры и толкования, которые помогут понять основные идеи в этой сложной отрасли знаний. Такие крупные компании, как Google, Microsoft и Facebook, обратили внимание на глубокое обучение и активно увеличивают штат своих подразделений, работающих в этой области. Для всех остальных оно остается все еще сложным, комплексным и трудноуловимым предметом. Исследования переполнены непонятным жаргоном, а разрозненные учебники, имеющиеся в сети, не дают должного представления о том, как решаются задачи в этой области. Цель этой книги — заполнить данный пробел.