Nền tảng về Mô hình và Thuật toán AI

Trí tuệ nhân tạo là động lực thúc đẩy công nghệ hiện đại, nhưng để hiểu cách nó thực sự hoạt động đòi hỏi phải nắm bắt được logic cốt lõi bên dưới. Khóa học này loại bỏ những thông tin phóng đại để cung cấp một sự hiểu biết vững chắc, nền tảng về các mô hình cốt lõi và thuật toán điều khiển các hệ thống thông minh. Đến cuối khóa học này, bạn sẽ nắm bắt sâu sắc về mặt khái niệm đối với các họ thuật toán AI chính, bao gồm tìm kiếm, tối ưu hóa, các mô hình học máy và cấu trúc mạng nơ-ron cơ bản. Bạn sẽ sẵn sàng đọc tài liệu kỹ thuật và khám phá các lĩnh vực AI chuyên specialized với sự tự tin. Những gì bạn sẽ học: * Tìm hiểu bối cảnh lịch sử và các định nghĩa nền tảng của trí tuệ nhân tạo và các tác nhân thông minh. * Hiểu các thuật toán tìm kiếm cổ điển (ví dụ: A* và tìm kiếm tham lam) và các bài toán thỏa mãn ràng buộc. * Làm chủ các khái niệm cốt lõi của các mô hình học có giám sát, học không giám sát và học tăng cường. * Thực hành phân tích các nền tảng toán học của các mô hình cơ bản như cây quyết định và hồi quy tuyến tính. * Cấu hình các kiến trúc mạng nơ-ron cơ bản và hiểu các nguyên tắc của lan truyền ngược. * Áp dụng các khái niệm nhập môn trong kỹ thuật prompt để tương tác hiệu quả với các mô hình ngôn ngữ lớn. * Xây dựng một khuôn khổ để đánh giá hiệu suất hệ thống AI, độ chệch và các cân nhắc đạo đức cơ bản. Tài liệu bắt đầu bằng thuật ngữ cốt lõi và lý thuyết tác nhân, tiến triển qua các kỹ thuật AI cổ điển và kết thúc bằng việc khám phá các nguyên fundamentals của học máy và học sâu hiện đại. Các giải thích bằng văn bản được kết hợp với các bài tập thực tế để củng cố sự hiểu biết của bạn về các khái niệm lý thuyết. Khóa học này được thiết kế dành cho người mới bắt đầu hoàn toàn mà không có kinh nghiệm trước đó về trí tuệ nhân tạo, học máy hoặc toán học nâng cao. Bắt đầu xây dựng cơ sở kiến thức thiết yếu của bạn về các thuật toán AI ngay hôm nay.