|
|
|
|
| LEADER |
02550nmm a2200289 u 4500 |
| 001 |
EB000394041 |
| 003 |
EBX01000000000000000247094 |
| 005 |
00000000000000.0 |
| 007 |
cr||||||||||||||||||||| |
| 008 |
130626 ||| ger |
| 020 |
|
|
|a 9783834894410
|
| 100 |
1 |
|
|a Ertel, Wolfgang
|
| 245 |
0 |
0 |
|a Grundkurs Künstliche Intelligenz
|h Elektronische Ressource
|b Eine praxisorientierte Einführung
|c von Wolfgang Ertel
|
| 250 |
|
|
|a 1st ed. 2008
|
| 260 |
|
|
|a Wiesbaden
|b Vieweg+Teubner Verlag
|c 2008, 2008
|
| 300 |
|
|
|a X, 334 S. 123 Abb
|b online resource
|
| 505 |
0 |
|
|a Einführung -- Aussagenlogik -- Präadikatenlogik erster Stufe -- Grenzen der Logik -- Logikprogrammierung mit PROLOG -- Suchen, Spielen und Probleme löosen -- Schließen mit Unsicherheit -- Maschinelles Lernen und Data Mining -- Neuronale Netze -- Lernen durch Verstäarkung (Reinforcement Learning) -- Lösungen zu den Übungen
|
| 653 |
|
|
|a Computer science
|
| 653 |
|
|
|a Computer Science
|
| 653 |
|
|
|a Theory of Computation
|
| 041 |
0 |
7 |
|a ger
|2 ISO 639-2
|
| 989 |
|
|
|b Springer
|a Springer eBooks 2005-
|
| 490 |
0 |
|
|a Computational Intelligence
|
| 028 |
5 |
0 |
|a 10.1007/978-3-8348-9441-0
|
| 856 |
4 |
0 |
|u https://doi.org/10.1007/978-3-8348-9441-0?nosfx=y
|x Verlag
|3 Volltext
|
| 082 |
0 |
|
|a 004
|
| 520 |
|
|
|a Alle Teilgebiete der KI werden mit dieser Einführung kompakt, leicht verständlich und anwendungsbezogen dargestellt. Hier schreibt jemand, der das Gebiet nicht nur bestens kennt, sondern auch in der Lehre engagiert und erfolgreich vertritt. Von der klassischen Logik über das Schließen mit Unsicherheit und maschinelles Lernen bis hin zu Anwendungen wie Expertensysteme oder lernfähige Roboter. Sie werden von dem sehr guten Überblick in dieses faszinierende Teilgebiet der Informatik profitieren. Und Sie gewinnen vertiefte Kenntnisse, z. B. hinsichtlich der wichtigsten Verfahren zur Repräsentation und Verarbeitung von Wissen. Vor allem steht der Anwendungsbezug im Fokus der Darstellung. Z. B. bei den praxisrelevanten Verfahren wie Lernen von Entscheidungsbäumen, Neuronale Netze und Bayes Netze. Auch das Data-Mining als junges Teilgebiet der Künstlichen Intelligenz mit interessanten Anwendungen kommt zum Zuge. Abgesehen von grundlegenden Programmierkenntnissen sowie etwas Mathematik werden alle darüber hinausgehenden Voraussetzungen für ein gutes Verständnis bereitgestellt. Viele Übungsaufgaben mit Lösungen sowie eine strukturierte Liste mit Verweisen auf Literatur und Ressourcen im Web ermöglichen ein effektives und kurzweiliges Selbststudium
|