o inteligencji obliczeniowej dla początkujących i zaawansowanych

InteligencjaObliczeniowa.pl

Na moim portalu udostępniam kilka artykułów o inteligencji obliczeniowej (ang. Computational Intelligence), głównie algorytmach ewolucyjnych (ang. Evolutionary Algorithms) i sieciach neuronowych (ang. Neural Networks), a także uczeniu maszynowym (ang. Machine Learning), eksploracji danych (ang. Data Mining) i pokrewnych dziedzinach informatyki i matematyki. Część materiału przeznaczona jest dla początkujących, czyli osób o niewielkim doświadczeniu w inteligencji obliczeniowej. W artykułach takich wyjaśniam krok po kroku metody inteligencji obliczeniowej, algorytmy ewolucyjne czy sieci neuronowe. Część materiału skierowana jest do bardziej zaawansowanych, czyli osób, które zdobyły już podstawowe umiejętności związane z analizą danych metodami inteligencji obliczeniowej, uczenia maszynowego czy eksploracji danych. Artykuły takie dotyczą bardziej złożonych zagadnień, takich jak głębokie sieci neuronowe, grupowanie i klasyfikacja danych, redukcja wymiarowości czy systemy rekomendujące.

Inteligencja obliczeniowa – wprowadzenie

Inteligencja obliczeniowa jest obecnie bardzo dynamicznie rozwijającą się dziedziną informatyki. Pochodzi ze sztucznej inteligencji – obejmuje metody sztucznej inteligencji związane z inteligentnym przetwarzaniem danych, takie jak algorytmy ewolucyjne, sieci neuronowe czy systemy rozmyte. W przeciwieństwie do innych metod sztucznej inteligencji, inteligencja obliczeniowa nigdy nie używa z góry zadanego modelu, lecz stara się zbudować go samodzielnie z dostarczonych zbiorów danych uczących.

Inteligencja obliczeniowa – algorytmy ewolucyjne

Algorytmy ewolucyjne to algorytmy optymalizacji służące do rozwiązywanie problemów optymalizacji z funkcjami celu trudnymi do analizowania tradycyjnymi metodami takimi jak rachunek pochodnych czy programowanie liniowe. Algorytmy ewolucyjne często służą do rozwiązywania problemów określanych mianem Black Box Optimization, czyli problemów optymalizacji, w których funkcja celu jest „czarną skrzynką”, o której niewiele wiemy, ale potrafimy uruchomić i otrzymać jej rezultat. Przykładowe problemy optymalizacji tego typu pojawiają się przy konstruowaniu systemów ekspertowych, systemów inteligentnych, systemów klasyfikujących czy systemów wspomagania decyzji.

Inteligencja obliczeniowa – sieci neuronowe

Sieci neuronowe to algorytmy uczenia maszynowego służące głównie do konstruowania klasyfikatorów dla mniej lub bardziej złożonych problemów klasyfikacji danych. Potrafią one rozwiązywać problemy klasyfikacji dużych danych, z którymi zazwyczaj nie radzą sobie prostsze metody, takie jak drzewa klasyfikujące (ang. Classification Trees), lasy losowe (ang. Random Forests) czy sztuczne systemy immunologiczne (Artificial Immune Systems). Szczególnym przypadkiem sieci neuronowych są popularne w ostatnich latach głębokie sieci neuronowe (ang. Deep Neural Networks) związane z głębokim uczeniem maszynowym (ang. Deep Machine Learning).