Uczenie maszynowe Uczenie maszynowe z przykładowych danych 19.1.Formy uczenia maszynowego 19.2.Uczenie nadzorowane 19.3.Drzewa decyzyjne w uczeniu maszynowym 19.4.Selekcja modelu i optymalizacja 19.5.Teoria uczenia maszynowego 19.6.Regresja liniowa i klasyfikacja 19.7.Modele nieparametryczne 19.8.Uczenie zespołowe 19.9.Budowanie systemów uczenia maszynowego Uczenie modeli probabilistycznych 20.1.Uczenie statystyczne 20.2.Uczenie z kompletnych danych 20.3.Uczenie z ukrytymi zmiennymi: algorytm EM Głębokie uczenie 21.1.Proste sieci ze sprzężeniem w przód 21.2.Grafy obliczeniowe dla głębokiego uczenia 21.3.Konwolucyjne sieci neuronowe (CNN) 21.4.Algorytmy głębokiego uczenia 21.5.Generalizacja 21.6.Rekurencyjne sieci neuronowe (RNNj 21.7.Nienadzorowane uczenie transferowe 21.8.Zastosowania Uczenie ze wzmacnianiem 22.1.Uczenie się dla nagród 22.2.Pasywne uczenie ze wzmacnianiem 22.3.Aktywne uczenie ze wzmacnianiem 22.4.Generalizacja w uczeniu ze wzmacnianiem 22.5.Wyszukiwanie polityki 22.6.Uczenie praktykanckie i odwrotne uczenie ze wzmacnianiem 22.7.Zastosowania uczenia ze wzmacnianiem Komunikacja, percepcja i działanie Przetwarzanie języka naturalnego 23.1.Modele językowe 23.2.Gramatyka 23.3.Parsowanie 23.4.Gramatyki augmentowane 23.5.Komplikacje języków naturalnych 23.6.Zadania NLP Głębokie uczenie w przetwarzaniu języka naturalnego 24.1.Embeddingi słów 24.2.Rekurencyjne sieci neuronowe w NLP 24.3.Modele „sekwencja na sekwencję" 24.4.Architektura transformerów 24.5.Trenowanie wstępne i uczenie transferowe 24.6.Obecny stan sztuki Widzenie komputerowe 25.1.Formowanie obrazów 25.2.Podstawowe cechy obrazów 25.3.Klasyfikowanie obrazów 25.4.Wykrywanie obiektów 25.5.Rzeczywistość 3D 25.6.Widzenie komputerowe w praktyce Robotyka 26.1.Sprzęt robotów 26.2.Jakie rodzaje problemów rozwiązywać może robotyka? 26.3.Percepcja robotów 26.4.Planowanie i sterowanie 26.5.Planowanie ruchu w warunkach niepewności 26.6.Uczenie ze wzmacnianiem w robotyce 26.7.Ludzie i roboty 26.8.Alternatywne frameworki robotyczne 26.9.Domeny zastosowań robotyki Konkluzje 27Bezpieczeństwo oraz etyczne i filozoficzne aspekty sztucznej inteligencji 27.1.Granice sztucznej inteligencji 27.2.Czy maszyny mogą naprawdę myśleć? 27.3.Sztuczna inteligencja a etyka 28Przyszłość sztucznej inteligencji 28.1.Komponenty sztucznej inteligencji 28.2.Architektury sztucznej inteligencji