Настоящая работа определяет понятия и практики построения искусственного интеллекта (ИИ). Понятие искусственного интеллекта напрямую зависит от определения интеллекта человека, хотя интеллект существует у всех живых организмов, но искусственный интеллект как системный объект является порождением деятельности человека и задается интеллектом человека.
Искусственный интеллект может использовать несколько объединенных простых и сложных функций человека, которые зависят от поставленной человеком системной цели действий ИИ.
В этой работе анализировались необходимые хаотические факторы, которые используются при построении ИИ. Функции и структура построенной имитационной модели определили влияние глобальности или локальности групп людей на искусственный интеллект человечества. Рассмотрен вопрос создания искусственного человека в форме системы ИИ со специальным самосознанием.
Работа предназначена для студентов высших образовательных заведений всех специальностей, в том числе дисциплины «Бизнес-информатика» (080500.62).
Рассмотрены вопросы, связанные с построением и использованием основных архитектур современных нейронных сетей. Рассматриваются полносвязные, сверточные, рекуррентные и трансформерные модели.
Предназначено для студентов бакалавриата, обучающихся по направлению 09.03.01 «Информатика и вычислительная техника» по профилю «Искусственный
интеллект».
Целью освоения дисциплины «Математическое моделирование и анализ данных в садоводстве» является формирование у магистрантов знаний, умений и навыков по применению интеллектуальных информационных технологий для создания статистических и интеллектуальных моделей и решения на их основе задач прогнозирования, принятия решений и научных исследований в области производства плодов, овощей, винограда.
Машинное обучение. Практикум для студентов аграрных ВУЗов – учебно-методическое пособие для студентов и профессионалов, которые хотят овладеть навыками машинного обучения и применять их на практике. В пособии подробно рассмотрены основные методы машинного обучения, приведены примеры их использования в различных приложениях и представлены практические задания. Особое внимание уделено выбору признаков, регуляризации моделей, работе с несбалансированными данными и управлению ошибками. Пособие также содержит описание основных инструментов и библиотек машинного обучения, таких как Python, NumPy, Pandas, Scikit-learn и TensorFlow, а также практические советы по работе с данными. В целом, это полезный ресурс для тех, кто хочет научиться применять методы машинного обучения на практике.
Пособие по структуре, содержанию и методике ориентировано на изучение дисциплин «Этика и правовые проблемы искусственного интеллекта», «Этические проблемы искусственного интеллекта», «Этика искусственного интеллекта» и других аналогичных
дисциплин согласно действующим стандартам. Содержит видеолекции, а также проверочные вопросы по теме каждой лекции.
