Sztuczna inteligencja

to inteligencja zademonstrowana przez maszyny, w przeciwieństwie do inteligencji wyświetlanej przez ludzi w 2020 r. Ten samouczek obejmuje podstawowe pojęcia z różnych dziedzin sztucznej inteligencji, takich jak sztuczne sieci neuronowe, przetwarzanie języka naturalnego, uczenie maszynowe , Deep Learning, algorytmy genetyczne itp. Oraz ich implementacja w Pythonie.

W tym samouczku nauczymy się, jak korzystać z frameworka głębokiego uczenia o nazwie Caffe2 (Convolutional Architecture for Fast Feature Embedding). Ponadto w 2021 roku zrozumiemy różnicę między tradycyjnym uczeniem maszynowym a uczeniem głębokim, jakie są nowe funkcje w Caffe2 w porównaniu do Caffe oraz instrukcje instalacji Caffe2.


H2O to platforma uczenia maszynowego typu open source z w pełni przetestowanymi implementacjami kilku powszechnie akceptowanych algorytmów ML. W 2021 roku wystarczy pobrać algorytm z jego ogromnego repozytorium i zastosować go w swoim zbiorze danych. Zawiera najczęściej używane algorytmy statystyczne i ML. H2O zapewnia łatwą w użyciu platformę open source do stosowania różnych algorytmów ML na danym zbiorze danych.


Python to język programowania wysokiego poziomu ogólnego przeznaczenia, który jest szeroko stosowany w nauce o danych i do tworzenia algorytmów głębokiego uczenia. Ten krótki samouczek przedstawia język Python i jego biblioteki, takie jak Numpy, Scipy, Pandas, Matplotlib; frameworki takie jak Theano, TensorFlow, Keras.

Keras to platforma głębokiego uczenia o otwartym kodzie źródłowym dla języka Python. Został opracowany przez naukowca zajmującego się sztuczną inteligencją w Google, Francois Chollet. Wiodące organizacje, takie jak Google, Square, Netflix, Huawei i Uber używają obecnie Keras. Ten samouczek omawia instalację Keras, podstawy głębokiego uczenia się, modele Keras, warstwy Keras, moduły Keras i ostatecznie kończy się niektórymi aplikacjami czasu rzeczywistego w 2021 r.

KNIME zapewnia graficzny interfejs do programowania. Wprowadzenie KNIME przyniosło rozwój modeli uczenia maszynowego w kompetencji zwykłego człowieka.

Regresja logistyczna to statystyczna metoda klasyfikacji obiektów. W tym samouczku skupimy się na rozwiązywaniu problemu klasyfikacji binarnej przy użyciu techniki regresji logistycznej.

Dzisiejsza sztuczna inteligencja (AI) znacznie przewyższyła szum związany z technologią blockchain i obliczeniami kwantowymi. Deweloperzy wykorzystują to teraz do tworzenia nowych modeli uczenia maszynowego i ponownego szkolenia istniejących modeli w celu uzyskania lepszej wydajności i wyników.

Pybrain to biblioteka typu open source do uczenia maszynowego zaimplementowana przy użyciu języka Python. Biblioteka oferuje kilka łatwych w użyciu algorytmów szkoleniowych dla sieci, zestawów danych, trenerów do trenowania i testowania sieci.

TensorFlow to platforma uczenia maszynowego typu open source dla wszystkich programistów. Służy do wdrażania aplikacji do uczenia maszynowego i głębokiego uczenia. Aby rozwijać i badać fascynujące pomysły dotyczące sztucznej inteligencji, zespół Google stworzył TensorFlow. TensorFlow został zaprojektowany w języku programowania Python.

Theano to biblioteka Pythona, która umożliwia definiowanie wyrażeń matematycznych używanych w uczeniu maszynowym, optymalizowanie tych wyrażeń i ich bardzo wydajną ocenę dzięki zdecydowanemu wykorzystaniu procesorów graficznych w krytycznych obszarach.


Szereg czasowy to sekwencja obserwacji w pewnym okresie. Najprostszym przykładem szeregu czasowego, z którym każdy z nas się codziennie styka, jest zmiana temperatury w ciągu dnia, tygodnia, miesiąca lub roku. Analiza danych czasowych może dostarczyć nam użytecznych informacji na temat tego, jak zmienna zmienia się w czasie.

Uczenie maszynowe (ML) to w zasadzie ta dziedzina informatyki, za pomocą której systemy komputerowe mogą nadawać sens danym w taki sam sposób, jak robią to ludzie. Mówiąc prościej, ML to rodzaj sztucznej inteligencji, która wyodrębnia wzorce z surowych danych za pomocą algorytmu lub metody. Głównym celem ML jest umożliwienie systemom komputerowym uczenia się na podstawie doświadczenia bez konieczności bezpośredniego programowania lub interwencji człowieka.