O autorze 9

O recenzentach 11

Przedmowa 13

Rozdział 1. Witamy w świecie robotów 17

• Rozpoczęcie przygody z AI 18
• Cztery różne modele AI 18
  
  • Praktyczne zastosowanie modeli 19
• Dokąd może Cię zaprowadzić nauka AI? 20
  
  • Energia 20
  • Opieka zdrowotna 21
  • Transport i logistyka 21
  • Edukacja 21
  • Bezpieczeństwo 21
  • Zatrudnienie 21
  • Inteligentne domy i roboty 22
  • Rozrywka i zadowolenie 22
  • Środowisko 22
  • Gospodarka, biznes i finanse 22
• Podsumowanie 23

Rozdział 2. Poznaj narzędzia AI 25

• Strona GitHuba 25
• Colaboratory 26
• Podsumowanie 31

Rozdział 3. Podstawy języka Python - naucz się kodować w Pythonie 33

• Wyświetlanie tekstu 34
  
  • Ćwiczenie 34
• Zmienne i operacje 35
  
  • Ćwiczenie 36
• Listy i tablice 36
  
  • Ćwiczenie 37
• Instrukcje warunkowe if 38
  
  • Ćwiczenie 39
• Pętle for i while 39
  
  • Ćwiczenie 42
• Funkcje 42
  
  • Ćwiczenie 43
• Klasy i obiekty 43
  
  • Ćwiczenie 45
• Podsumowanie 46

Rozdział 4. Podstawowe techniki AI 47

• Co to jest uczenie ze wzmacnianiem? 47
• Pięć zasad Reinforcement Learning 48
  
  • Zasada nr 1 - system wejścia i wyjścia 48
  • Zasada nr 2 - nagroda 49
  • Zasada nr 3 - środowisko AI 50
  • Zasada nr 4 - proces decyzyjny Markowa 50
  • Zasada nr 5 - szkolenie i wnioskowanie 51
• Podsumowanie 53

Rozdział 5. Twój pierwszy model AI - uważaj na bandytów! 55

• Problem wielorękiego bandyty 55
• Model próbkowania Thompsona 56
  
  • Kodowanie modelu 57
  • Zrozumienie modelu 60
  • Co to jest rozkład? 61
  • Walka z MABP 64
  • Strategia próbkowania Thompsona w trzech krokach 67
  • Ostateczny krok ku zrozumieniu próbkowania Thompsona 67
  • Próbkowanie Thompsona w porównaniu ze standardowym modelem 68
• Podsumowanie 69

Rozdział 6. AI w sprzedaży i reklamie - sprzedawaj jak Wilk z AI Street 71

• Problem do rozwiązania 71
• Budowanie środowiska do przeprowadzenia symulacji 73
  
  • Uruchomienie symulacji 75
  • Podsumowanie sytuacji 78
• Rozwiązanie AI i odświeżenie umysłu 78
  
  • Rozwiązanie AI 78
  • Rozumowanie 79
• Implementacja 80
  
  • Próbkowanie Thompsona czy wybór losowy 80
  • Zacznijmy kodować 80
  • Wynik końcowy 84
• Podsumowanie 86

Rozdział 7. Witamy w Q-learningu 87

• Labirynt 88
  
  • Początek 88
  • Budowanie środowiska 89
  • Budowanie sztucznej inteligencji 95
• Cały proces Q-learningu 98
  
  • Tryb treningowy 98
  • Tryb wnioskowania 99
• Podsumowanie 99

Rozdział 8. AI w logistyce - roboty w magazynie 101

• Budowanie środowiska 104
  
  • Stany 104
  • Akcje 104
  • Nagrody 105
  • Przypomnienie rozwiązania AI 106
• Implementacja 107
  
  • Część 1. - budowanie środowiska 107
  • Część 2. - tworzenie rozwiązania AI z wykorzystaniem Q-learningu 109
  • Część 3. - wprowadzenie do produkcji 111
  • Ulepszenie 1. - automatyzacja przypisywania nagród 113
  • Ulepszenie 2. - dodawanie celu pośredniego 115
• Podsumowanie 118

Rozdział 9. Zostań ekspertem od sztucznego mózgu - głębokie Q-learning 119

• Przewidywanie cen domów 119
  
  • Przesyłanie zbioru danych 120
  • Importowanie bibliotek 121
  • Wyłączanie zmiennych 122
  • Przygotowywanie danych 124
  • Budowa sieci neuronowej 126
  • Szkolenie sieci neuronowej 127
  • Wyświetlanie wyników 128
• Teoria głębokiego uczenia 129
  
  • Neuron 129
  • Funkcja aktywacji 132
• Jak działają sieci neuronowe? 137
  
  • Jak się uczą sieci neuronowe? 137
  • Propagacja w przód i wstecz 139
  • Metody gradientu prostego 140
• Głębokie uczenie 147
  
  • Metoda Softmax 148
  • Podsumowanie głębokiego Q-learningu 150
  • Pamięć doświadczeń 150
  • Cały algorytm głębokiego Q-learningu 151
• Podsumowanie 152

Rozdział 10. Sztuczna inteligencja dla pojazdów autonomicznych - zbuduj samochód samojezdny 153

• Budowanie środowiska 154
  
  • Określenie celu 156
  • Ustawianie parametrów 158
  • Stany wejściowe 161
  • Działania wyjściowe 162
  • Nagrody 163
• Przypomnienie rozwiązania AI 165
• Implementacja 166
  
  • Krok 1. - importowanie bibliotek 166
  • Krok 2. - stworzenie architektury sieci neuronowej 167
  • Krok 3. - implementacja pamięci doświadczeń 171
  • Krok 4. - implementacja głębokiego Q-learningu 173
• Prezentacja 182
  
  • Instalowanie Anacondy 183
  • Tworzenie środowiska wirtualnego w Pythonie 3.6 184
  • Instalowanie PyTorch 186
  • Instalowanie Kivy 187
• Podsumowanie 196

Rozdział 11. AI dla biznesu - minimalizuj koszty dzięki głębokiemu Q-learningowi 197

• Problem do rozwiązania 197
• Budowanie środowiska 198
  
  • Parametry i zmienne środowiska serwerowego 198
  • Założenia środowiska serwerowego 199
  • Symulacja 201
  • Ogólna funkcjonalność 201
  • Definiowanie stanów 203
  • Definiowanie działań 204
  • Definiowanie nagród 204
  • Przykład ostatecznej symulacji 205
• Rozwiązanie AI 208
  
  • Mózg 209
  • Implementacja 211
  • Krok 1. - budowanie środowiska 212
  • Krok 2. - budowanie mózgu 217
  • Krok 3. - implementacja algorytmu uczenia przez głębokie wzmacnianie 223
  • Krok 4. - szkolenie AI 229
  • Krok 5. - testowanie AI 238
• Demo 240
• Podsumowanie - ogólny schemat AI 249
• Podsumowanie 250

Rozdział 12. Głębokie konwolucyjne Q-learning 251

• Do czego służą sieci CNN? 251
• Jak działają CNN? 253
  
  • Krok 1. - konwolucja 254
  • Krok 2. - max pooling 256
  • Krok 3. - spłaszczanie 259
  • Krok 4. - pełne połączenie 260
• Głębokie konwolucyjne Q-learning 262
• Podsumowanie 263

Rozdział 13. AI dla gier wideo - zostań mistrzem Snake'a 265

• Problem do rozwiązania 265
• Tworzenie środowiska 266
  
  • Definiowanie stanów 267
  • Definiowanie działań 268
  • Definiowanie nagród 269
• Rozwiązanie AI 270
  
  • Mózg 270
  • Pamięć doświadczeń 272
• Implementacja 273
  
  • Krok 1. - budowanie środowiska 273
  • Krok 2. - budowanie mózgu 279
  • Krok 3. - tworzenie pamięci doświadczeń 282
  • Krok 4. - trening AI 283
  • Krok 5. - testowanie AI 289
• Demo 290
  
  • Instalacja 291
  • Wyniki 295
• Podsumowanie 297

Rozdział 14. Podsumowanie 299

• Podsumowanie - ogólny schemat AI 299
• Odkrywanie, co czeka Cię dalej w AI 300
  
  • Ćwicz, ćwicz i ćwicz 301
  • Networking 302
  • Nigdy nie przestawaj się uczyć 302

• Titel: Sztuczna inteligencja. Błyskawiczne wprowadzenie do uczenia maszynowego, uczenia ze wzmocnieniem i uczenia głębokiego
• Autor: Hadelin de Ponteves
• Originaler Titel: AI Crash Course: A fun and hands-on introduction to machine learning, reinforcement learning, deep learning, and artific
• Übersetzung: Łukasz Wójcicki
• ISBN: 978-83-283-7479-9, 9788328374799
• Veröffentlichungsdatum: 2021-06-29
• Format: E-book
• Artikelkennung: sztinb
• Verleger: Helion