Künstliche Intelligenz hat unseren Alltag durch Technologien wie Chatbots und Sprachassistenten revolutioniert. Sie findet Anwendung in der Dokumentenverarbeitung sowie in der Muster-, Bild- und Objekterkennung und bietet intelligente Lösungen in Bereichen wie Medizin und autonomem Fahren. Dieses Buch führt in die Grundlagen der KI ein und zeigt die praktische Anwendung von symbolverarbeitender KI, einschließlich Wissensnetzen und Geschäftsregeln. Es behandelt auch den Einsatz künstlicher neuronaler Netze in der Mustererkennung und im Data Mining. Die Wissensrepräsentation und -verarbeitung werden mithilfe der logischen Programmiersprache PROLOG eingeführt, die es ermöglicht, logische Schlussfolgerungen einfacher zu implementieren als in Python oder Java. Die Konzepte neuronaler Netze werden durch praktische Übungen mit JavaNNS und Python vertieft. Am Ende jedes Abschnitts finden sich Fragen und Aufgaben, die zum aktiven Lernen anregen. Die begleitenden Webseiten bieten Demo-Programme, die die besprochenen Methoden veranschaulichen und das Verständnis unterstützen. Die behandelten Themen umfassen einen Überblick über KI, Wissensdarstellung und -verarbeitung, Problemlösung durch Suche, PROLOG, künstliche neuronale Netze, vorwärtsgerichtete neuronale Netze, Wettbewerbslernen, autoassoziative Netze sowie den Stuttgarter Neuronalen Netze Simulator/JavaNNS.
Jürgen Cleve Reihenfolge der Bücher (Chronologisch)
In den riesigen Datenbergen moderner Datenbanken steckt unentdecktes Wissen, das ohne geeignete Hilfsmittel kaum zu Tage gefördert werden kann. Hier setzt das Data Mining an und liefert Methoden und Algorithmen, um bisher unbekannte Zusammenhänge zu entdecken. Nach der Vermittlung der Grundlagen und Anwendungsklassen des Data Mining in den ersten beiden Kapiteln wird in Kapitel 3 auf geeignete Darstellungsmöglichkeiten für Data-Mining-Modelle eingegangen; Kapitel 4 behandelt die Algorithmen und Verfahrensklassen, Kapitel 5 geht auf konkrete Anwendungsarchitekturen ein. Das Buch deckt den Stoff einer einsemestrigen Vorlesung zu Data Mining an Universitäten oder Fachhochschulen ab und ist als klassisches Lehrbuch konzipiert. Es bietet Zusammenfassungen, zahlreiche Beispiele und Übungsaufgaben.