Inteligencia artificial por ejemplo - Segunda edición

Opiniones de los lectores

El libro «Inteligencia Artificial por Ejemplos», de Denis Rothman, es elogiado por su magistral combinación de teoría y aplicación práctica en una amplia gama de temas de IA. Cubre eficazmente las lagunas dejadas por otros libros de IA, proporcionando una visión tanto de los conceptos matemáticos como de las implementaciones de codificación. Sin embargo, algunas reseñas destacan la falta de estructura, organización y profundidad en ciertos temas debido a su amplia cobertura.

⬤ Entrelaza magistralmente teoría y ejemplos prácticos de codificación.
⬤ Ayuda a salvar la brecha entre los conceptos matemáticos y las aplicaciones de programación.
⬤ Cubre una amplia gama de temas de IA, por lo que es adecuado para diversos públicos (estudiantes, desarrolladores, gestores de proyectos).
⬤ Incluye respuestas a los ejercicios, mejorando el aprendizaje.
⬤ Atractivo y fácil de leer con diversos ejemplos.

⬤ Falta de organización y coherencia entre los capítulos, lo que hace que parezca inconexo.
⬤ Algunos temas no se tratan en profundidad debido a la amplitud del libro.
⬤ Ocasionales divagaciones y ejemplos poco claros del mundo real.
⬤ A algunos lectores les resultó difícil comprender ciertas secciones, sobre todo las que contenían conceptos complejos.

(basado en 17 opiniones de lectores)

Título original:

Artificial Intelligence By Example - Second Edition

Contenido del libro:

Comprenda los fundamentos y desarrolle sus propias soluciones de IA en esta edición actualizada repleta de muchos ejemplos nuevos Características principales Ejemplos basados en IA para guiarle en el diseño y la implementación de la inteligencia artificial Desarrolle la inteligencia artificial desde cero utilizando ejemplos de inteligencia artificial Desarrolle la inteligencia artificial desde cero utilizando inteligencia artificial real Descripción del libro

La IA tiene el potencial de replicar a los humanos en todos los campos. Inteligencia Artificial por Ejemplo, Segunda Edición sirve como punto de partida para que usted comprenda cómo se construye la IA, con la ayuda de intrigantes y emocionantes ejemplos.

Este libro le convertirá en un pensador adaptativo y le ayudará a aplicar los conceptos a escenarios del mundo real. Utilizando algunos de los ejemplos de IA más interesantes, desde programas informáticos como un simple motor de ajedrez hasta chatbots cognitivos, aprenderá a enfrentarse a la máquina con la que compite. Estudiarás algunos de los modelos de aprendizaje automático más avanzados, comprenderás cómo aplicar la IA a blockchain e Internet de las Cosas (IoT), y desarrollarás el cociente emocional en chatbots utilizando redes neuronales como las redes neuronales recurrentes (RNN) y las redes neuronales convolucionales (CNN).

Esta edición también cuenta con nuevos ejemplos de redes neuronales híbridas, combinación de aprendizaje por refuerzo (RL) y aprendizaje profundo (DL), algoritmos encadenados, combinación de aprendizaje no supervisado con árboles de decisión, bosques aleatorios, combinación de DL y algoritmos genéticos, interfaces de usuario conversacionales (CUI) para chatbots, computación neuromórfica y computación cuántica.

Al final de este libro, comprenderá los fundamentos de la IA y habrá trabajado con una serie de ejemplos que le ayudarán a desarrollar sus soluciones de IA. Lo que aprenderá Aplicar k- vecinos más cercanos (KNN) a las traducciones de idiomas y explorar las oportunidades en Google Translate Comprender los algoritmos encadenados que combinan el aprendizaje no supervisado con árboles de decisión Resolver el problema XOR con redes neuronales feedforward (FNN) y construir su arquitectura para representar un gráfico de flujo de datos Aprender sobre modelos de metaaprendizaje con redes neuronales híbridas Crear un chatbot y optimizar sus deficiencias de inteligencia emocional con herramientas como Small Talk y el registro de datos Construir interfaces de usuario conversacionales (CUI) para chatbots Escribir algoritmos genéticos que optimicen las redes neuronales de aprendizaje profundo Construir circuitos de computación cuántica A quién va dirigido este libro.

Desarrolladores e interesados en la IA que deseen comprender los fundamentos de la Inteligencia Artificial e implementarlos de forma práctica. La experiencia previa con la programación en Python y los conocimientos estadísticos son esenciales para sacar el máximo provecho de este libro. Tabla de contenidos Primeros pasos con la Inteligencia Artificial de próxima generación a través del aprendizaje por refuerzo Construcción de una matriz de recompensas Diseño de sus conjuntos de datos Funciones de evaluación de la Inteligencia Artificial y convergencia numérica Optimización de sus soluciones con agrupación de K-Means Cómo utilizar árboles de decisión para mejorar la agrupación de K-Means Innovación de la IA con Google Translate Optimización de Blockchains con Naive Bayes Resolución del problema XOR con una FNN Clasificación de imágenes abstractas con CNN Aprendizaje de representación conceptual Combinación de RL y DL La IA y el IoT Visualización de redes con TensorFlow 2. x y TensorBoard Preparación de la entrada de chatbots con RBM y PCA Configuración de un chatbot de UI/CUI de PNL cognitiva Mejora de las deficiencias de inteligencia emocional de los chatbots Algoritmos genéticos en redes neuronales híbridas Computación neuromórfica Computación cuántica