La naturaleza puede ser una gran fuente de inspiración para los algoritmos de inteligencia artificial porque su tecnología es considerablemente más avanzada que la nuestra. Entre sus maravillas se encuentran la IA fuerte, la nanotecnología y la robótica avanzada. La naturaleza puede, por lo tanto, servir como guía para la resolución de problemas de la vida real. En este libro, encontrará algoritmos influenciados por hormigas, abejas, genomas, aves y células que proporcionan métodos prácticos para muchos tipos de situaciones de IA. Aunque la naturaleza es la musa detrás de los métodos, no estamos duplicando sus procesos exactos. Los complejos comportamientos en la naturaleza simplemente proporcionan inspiración en nuestra búsqueda para obtener nuevas perspectivas sobre los datos. Inteligencia Artificial para Humanos es una serie de libros destinados a enseñar IA a aquellos lectores que carecen de un amplio bagaje matemático. El lector solo necesita conocimientos básicos de álgebra universitaria y programación informática. Los temas adicionales se explican a fondo. Cada capítulo también incluye un ejemplo de programación. Actualmente se proporcionan ejemplos en Java, C# y Python. Se planean otros lenguajes. No se necesita ningún conocimiento de biología para leer este libro. Con un prólogo de Dave Snell.
Autor: Jeff HeatonEditorial: Createspace Independent Publishing Platform
Publicado: 28/05/2014
Páginas: 244
Tipo de encuadernación: Tapa blanda
Peso: 0.94lbs
Tamaño: 9.25h x 7.50w x 0.51d
ISBN13: 9781499720570
ISBN10: 1499720572
Categorías BISAC:-
Informática |
Inteligencia (IA) y SemánticaAcerca del autor
Jeff Heaton, PhD, es un científico informático especializado en ciencia de datos e inteligencia artificial. Especializado en Python, R, Java y C#, es un colaborador de código abierto y autor de más de diez libros. Sus áreas de especialización incluyen el modelado predictivo, la minería de datos, el big data, la inteligencia empresarial y la inteligencia artificial. Jeff tiene una Maestría en Gestión de la Información de la Universidad de Washington y un Doctorado en ciencias de la computación de la Universidad Nova Southeastern en ciencias de la computación. Es el desarrollador principal del proyecto de código abierto Encog Machine Learning Framework, miembro senior del IEEE y miembro del Life Management Institute (FLMI).
Este título no es retornable
