luckyea77 (luckyea77) wrote,
luckyea77
luckyea77

Categories:

Гарвард CS50: Введение в Искусственный Интеллект с Python 2020



Этим видео мы начинаем цикл лекций "CS50: введение в искусственный интеллект с Python".

Этот курс начинается там, где заканчивается основной курс CS50 и он посвящен концепциям и алгоритмам, находящимся в основе современного ИИ.

Мы затронем такие темы как: поиск оптимальных решений, оптимизация, анализ данных, нейронные сети, обработка естественного языка и многое другое.



Это легендарный Гарвардский курс CS50 на русском языке: основы искусственного интеллекта с Python.

Этот курс познакомит нас с концепциями и алгоритмами, лежащими в основе современного искусственного интеллекта, мы погрузимся в идеи, которые лежат в основе таких технологий как игровые движки, распознавание рукописного ввода и машинный перевод.

В первой лекции посвященной задачам поиска, мы ознакомимся с такими алгоритмами как: Поиск в ширину, Поиск в глубину, Жадный алгоритм поиска по первому лучшему, Минимакс, A * (A star) и посмотрим на их практическое применение к решению задач нахождения выхода из лабиринта или игр с нулевой суммой, таких например, как крестики-нолики и все это на примере популярного языка программирования - Python.

Тайм-коды:
0:24​ в уроке идеи, техники и алгоритмы, которые лежат в основе Искусственного Интеллекта (Artificial Intelligence)
0:30​ Небольшое описание курса
3:13​ алгоритм поиска. Что компьютеру делать в определенной ситуации. Проблемы различных типов и форматов
3:34​ примеры: пятнашки, лабиринт, гугл карты
4:41​ что из себя представляет задача поиска. Из чего состоит её алгоритм обучения
4:49​ Терминология: агент (agent), состояние (state), начальное состояние (initial state),
6:16​ действия (actions),
7:28​ модель перехода состояний (transition model),
9:34​ пространство состояний (state space),
10:04​ представление в виде Графа
10:56​ проверка цели (goal test),
11:51​ стоимость пути (path cost),
13:41​ задача поиска (search problems),
14:18​ цель-решение (solution),
14:28​ оптимальное решение (optimal solution),
14:46​ представление набора данных, связанных с задачей:
15:07​ структура данных Узел (node),
16:34​ Подход, с которого надо начать решать задачу. фронтир (frontier). Все варианты решения
18:21​ проверка цели
18:37​ развёртывание узла - оценка всех его соседей
19:29​ применение в задаче поиска
22:06​ возможные проблемы. Зацикливание
24:01​ улучшенный способ решить задачу поиска
25:58​ Структура данных Стэк (Stack) для добавления и удаления элементов last-in first-out
26:22​ применение стэка к задаче
27:51​ Алгоритм поиска Depth-First Search Поиск в глубину
28:37​ Алгоритм поиска Breadth-First Search Поиск в ширину
29:04​ Структура данных Очередь (Queue) first-in first-out
29:12​ применение очереди к задаче
30:36​ эти 2 алгоритма поиска на практике. Лабиринт
36:22​ код
44:00​ работа кода
44:37​ пример 2 maze2
48:31​ пример 3 maze3
51:58​ выбор при нескольких возможных вариантах
53:13​ 2 типа поисковых алгоритмов. Это были неинформированные поиски
53:54​ информированный поиск (informed search):
54:29​ Алгоритм Greedy Best-First Search Жадный поиск по первому лучшему совпадению
56:36​ с помощью эвристической функции Манхэттанское расстояние
57:40​ на практике
1:01:39​ хорошая эвристика
1:03:43​ оценка пути (расстояния) до цели
1:04:31​ улучшение
1:05:23​ Алгоритм A* Search Астар. Учитывает 2 вида информации
1:09:30​ находит оптимальный путь, при 2 условиях
1:11:51​ Алгоритмы с 2 агентами. Состязательный поиск. Adversarial Search. Крестики нолики
1:14:11​ Алгоритм Minimax Минимакс
1:17:15​ описание кода Game
1:23:08​ вычисление алгоритма минимакс
1:23:42​ рекурсия в минимакс
1:28:20​ диаграмма дерево минимакс
1:30:39​ псевдо-код
1:36:40​ оптимизация
1:39:57​ Алгоритм Alpha-Beta Pruning Альфа-Бета обрезка
1:45:25​ Алгоритм Depth-Limited Minimax минимакс с ограничением глубины. Для этого добавляется функция оценки
1:48:18​ на следующем уроке о Знаниях, учитываемых ИИ



В этой лекции: Законы ДеМоргана, Логика предикатов, Пропозициональная логика, Логика первого порядка, Импликация, Конъюнкция, Дизъюнкция, Эквиваленция, Доказательство от противного, Инженерия знаний, Кванторы всеобщности, Кванторы существования и много практических примеров, где мы можем применить работу искусственного интеллекта с знаниями.

Тайм коды:
0:48​ Knowledge Знания. Способность делать выводы на их основании
4:25​ sentence высказывания. Язык представления знаний
4:51​ Propositional Logic Пропозициональная логика. Логика Высказываний, основанная на утверждениях о мире
5:03​ proposition symbols пропозициональные переменные (какой-либо факт о мире)
5:51​ logical connectives логические союзы
6:38​ Таблица истинности. Not (Не)
7:56​ Конъюнкция (логическое и) And
9:33​ Дизъюнкция (логическое или) Or
11:09​ Импликация (подразумевает, приводит) Implication
13:13​ Эквиваленция (условие равносильно в обе стороны, двухусловие) Biconditional
14:51​ model модель
16:15​ knowledge base база знаний. Представление знаний
17:05​ entailment следствие
18:26​ inference умозаключение
21:48​ механизмы выводов
22:45​ Model Checking Проверка Модели
27:16​ код пример
34:28​ алгоритм проверки модели
40:07​ Knowledge Engineering Инженерия Знаний
40:59​ пример Clue
45:31​ код clue.py
54:04​ пример Logic Puzzles
54:47​ комбинированные переменные
56:58​ код puzzle.py
1:01:39​ пример Mastermind
1:03:28​ асимптотика полного перебора в проверке модели
1:04:32​ Inference Rules Правила Вывода:
1:05:12​ modus ponens применение импликации
1:06:53​ and elimination устранение конъюнкции
1:07:47​ double negative elimination устранение двойного отрицания
1:08:36​ implication elimination устранение импликации
1:10:18​ biconditional elimination устранение эквиваленции
1:11:14​ De Morgan's law Закон ДеМоргана
1:13:42​ distributive property распределительный закон, распределительное свойство
1:14:53​ обобщение выводов
1:15:57​ Theorem Proving Доказательство Теоремы, как разновидность задачи поиска
1:17:43​ Правило резолюции, правило вывода
1:18:06​ контрарные литералы (литералы, которые дополняют друг друга)
1:19:19​ clause клауза. Дизъюнкция литералов
1:23:03​ Conjunctive Normal Form (CNF) Конъюнктивная Нормальная Форма (это конъюнкции дизъюнкций)
1:23:54​ conversion to CNF преобразование любого логического выражения к выражению, содержащему только логические и и или
1:27:55​ inference by resolution вывод на основе правила резолюции. Новый дизъюнкт. Резольвента
1:29:28​ пустая клауза = ложь
1:30:34​ rule of contraries Доказательство От противного
1:34:15​ пример выводов на основе правила резолюции
1:38:29​ First-Order Logic Логика Первого Порядка. Логика Предикатов. Предикатные символы Predicate Symbol
1:42:50​ дополнительные 2 операции (кванторы):
1:43:01​ 1) universal quantification Квантор Всеобщности
1:44:20​ 2) existential quantification Квантор Существования
1:47:18​ на следующей лекции понятие неопределённости



Добро пожаловать вновь на введение в искусственный интеллект с Python.

В прошлый раз мы рассматривали концепции и методики представления знаний, эта лекция посвящена подходам и методикам, благодаря которым ИИ может принимать решения в условии неопределенности.

Мы поговорим о таких вещах как: условная вероятность, правило Байеса, байесовская сеть, цепи Маркова, и о многом другом.



Добро пожаловать вновь на введение в искусственный интеллект с Python.

В прошлый раз мы говорили о таких вещах как: условная вероятность, правило Байеса, байесовская сеть, цепи Маркова, и о многом другом.

На этот раз мы рассмотрим основные принципы оптимизации задач, рассмотрим графы, алгоритмы локального поиска, задачи удовлетворения ограничений, линейные программы, поиск с возвратом (backtracking search), а также многое другое.

Тайм-коды:
0:55​ оптимизация - выбор наилучшего варианта из набора возможных вариантов
1:25​ алгоритм Локальный поиск (local search) те случаи, когда выяснение того, что именно является решением и как именно выглядит цель - суть задачи
2:34​ пример на практике: дома и больницы
4:07​ задачи поиска в пространстве состояний (state-space landscape). Целевая функция. Функция стоимости
7:26​ алгоритм Восхождение к вершине (hill climbing)
14:41​ ограничение этого алгоритма - не всегда результат - самое оптимальное решение
17:51​ разновидности hill climbing: 1) Наискорейшее восхождение к вершине
18:34​ 2) Стохастическое восхождение к вершине
19:11​ 3) Восхождение к вершине по первому лучшему совпадению
19:39​ случайное возобновление
20:23​ 4) Локальный лучевой поиск
20:57​ код наискорейшее восхождение к вершине hospitals.py
29:25​ алгоритм Имитация отжига (simulated annealing)
37:04​ варианты использования. Задача коммивояжера
40:23​ Линейное программирование (linear programming)
43:11​ пример: минимизация затрат при том, что есть ограничения, надо наколбасить 90 единиц продукции
46:48​ есть ряд алгоритмов для решения таких типов задач (линейные неравенства с ограничениями). Популярные алгоритмы: Симплекс метод (simplex), Метод внутренней точки (interior-point)
47:26​ код production.py
50:58​ Задачи удовлетворения ограничений (constraint satisfaction problem) CSP
51:37​ пример: студенты. Граф Ограничений
55:00​ пример: игра судоку
56:49​ разные формы ограничений: жёсткие, мягкие
58:04​ классификация ограничений: 1) унарные ограничения (зависят от констант), 2) бинарные (двоичные) ограничения (зависят от 2 величин)
59:07​ условия: 1) проблемный узел сделать согласованным (удовлетворять всем унарным ограничениям)
1:03:06​ другой тип согласованности - 2) согласованность дуги (удовлетворять всем бинарным ограничениям)
1:06:43​ псевдокод: согласованность дуги
1:09:01​ алгоритм AC-3 (задача удовлетворения всем ограничениям)
1:13:33​ Граф ограничений
1:14:40​ задача поиска состоит из частей...
1:15:07​ формулировка CSP как подтип задач поиска
1:16:18​ способы улучшить алгоритм, используя структуру задачи
1:16:53​ алгоритм Поиск с возвратом (backtracking search). Рекурсивная функция. Псевдокод
1:20:21​ пример на практике: поиск с возвратом
1:25:00​ код поиск с возвратом scheduling -- schedule0.py
1:27:44​ существуют библиотеки, реализующие этот алгоритм
1:29:33​ алгоритм Поддержания согласованности дуги. Идеи логического вывода (inference). Использование согласованности дуг, без возврата
1:33:34​ псевдокод
1:35:10​ улучшенные варианты (select-unassigned-var). Какую переменную рассматривать дальше
1:37:17​ пример на практике
1:39:25​ функция domain_values Значения домена. Для какой переменной (выбор переменной, оставляющей наименьшее количество таких же вариантов в других переменных)
1:43:07​ Вывод. Есть несколько различных способов сформулировать задачу. 1) задача в виде локального поиска, 2) в виде линейных программ, 3) задача удовлетворения ограничений

Смотрите также:
Весь гарвардский курс по основам программирования (CS50 2015 год)

Tags: искусственный интеллект, программирование
Subscribe

Posts from This Journal “программирование” Tag

promo luckyea77 december 30, 15:00 8
Buy for 10 tokens
По этой ссылке можно скачать информационную базу для программы "1С:Предприятие". С помощью данной базы можно готовиться и сдавать экзамены по темам: - Электробезопасность - Основы промышленной безопасности А.1 - Специальные требования промышленной безопасности: Б 9.31. Эксплуатация опасных…
  • Post a new comment

    Error

    default userpic

    Your IP address will be recorded 

    When you submit the form an invisible reCAPTCHA check will be performed.
    You must follow the Privacy Policy and Google Terms of use.
  • 6 comments