Podstawy modeli i algorytmów sztucznej inteligencji

Sztuczna inteligencja jest silnikiem napędzającym współczesną technologię, jednak zrozumienie jej rzeczywistego działania wymaga opanowania leżącej u jej podstaw logiki. Ten kurs oddziela szum medialny od faktów, zapewniając solidne, fundamentalne zrozumienie głównych modeli i algorytmów napędzających systemy inteligentne. Pod koniec tego kursu zdobędziesz głębokie zrozumienie koncepcyjne głównych rodzin algorytmów AI, w tym wyszukiwania, optymalizacji, paradygmatów uczenia maszynowego oraz podstawowych struktur sieci neuronowych. Zostaniesz przygotowany do czytania literatury technicznej i pewnego odkrywania wyspecjalizowanych dziedzin AI. Czego się nauczysz: * Poznaj historyczny kontekst i fundamentalne definicje sztucznej inteligencji oraz inteligentnych agentów. * Zrozum klasyczne algorytmy wyszukiwania (np. A* i wyszukiwanie zachłanne) oraz problemy satysfakcji ograniczeń. * Opanuj kluczowe koncepcje paradygmatów uczenia nadzorowanego, nienadzorowanego i ze wzmocnieniem. * Prćwicz analizowanie matematycznych podstaw podstawowych modeli, takich jak drzewa decyzyjne i regresja liniowa. * Skonfiguruj podstawowe architektury sieci neuronowych i zrozum zasady propagacji wstecznej. * Zastosuj wstępne koncepcje inżynierii promptów, aby skutecznie wchodzić w interakcje z dużymi modelami językowymi. * Zbuduj ramy do oceny wydajności systemów AI, uprzedzeń i podstawowych względów etycznych. Materiał zaczyna się od podstawowej terminologii i teorii agentów, przechodzi przez klasyczne techniki AI, a kończy się eksploracją nowoczesnych podstaw uczenia maszynowego i uczenia głębokiego. Wyjaśnienia pisemne są połączone z praktycznymi ćwiczeniami, aby utrwalić Twoje zrozumienie koncepcji teoretycznych. Ten kurs jest przeznaczony dla absolutnych początkujących, którzy nie mają wcześniejszego doświadczenia w sztucznej inteligencji, uczeniu maszynowym ani zaawansowanej matematyce. Rozpocznij budowanie swojej niezbędnej bazy wiedzy na temat algorytmów AI już dzisiaj.