Trong số này, Chuyên mục Góc nhìn chuyên gia sẽ đề cập đến những tác động của Trí tuệ Nhân tạo tới các vị trí công việc trong ngành tài chính, mà cụ thể là các trader trên các sàn giao dịch.
Mục Machine Learning tutorial vẫn sẽ tiếp tục giới thiệu sâu hơn về mô hình linear regression.
Trong khi đó, chuyên mục Python trong Machine Learning sẽ dừng lại để nhường chỗ cho việc giới thiệu R, một ngôn ngữ thống kê rất manh mẽ được sử dụng rất phổ biến trong khoa học dữ liệu và phát triển Machine Learning trước khi Python bắt đầu xâm lấn. Ngôn ngữ R sẽ được giới thiệu trong hai số liên tiếp, sau đó Python sẽ trở lại với một cấu trúc nội dung mới.
Như đã nói, 2 pages paper sẽ đề cập đến AlphaGo Zero, AI agent đã gây sốc cho toàn thế giới khi vượt qua mọi phiên bản tiền nhiệm mà không cần dùng đến dữ liệu huẩn luyện từ con người. Chúng ta sẽ tìm hiểu training pipeline của AlphaGo Zero để có những hình dung cơ bản nhất về phương pháp self-play Reinforcement Learning mới này.
[Giáo trình] Trí tuệ nhân tạo Đại học sư phạm Hà Nội
Bộ môn trí tuệ nhân tạo đã được Trường đại học sư phạm Hà Nội sớm đưa vào giảng dạy với mục đích trang bị cho sinh viên các kiến thức cơ bản về Trí tuệ nhân tạo.
Mục lục của giáo trình:
Chương 1 – Giới thiệu
1.1. Trí tuệ nhân tạo là gì? 1.2. Lịch sử 1.3. Các lĩnh vực của AI 1.4. Nội dung môn học
Chương 2 – Bài toán và phương pháp tìm kiếm lời giải
2.1. Bài toán và các thành phần của bài toán 2.2. Giải thuật tổng quát tìm kiếm lời giải 2.3. Đánh giá giải thuật tìm kiếm 2.4. Các giải thuật tìm kiếm không có thông tin phản hồi (tìm kiếm mù)
Chương 3 –Các phương pháp tìm kiếm heuristic
3.1. Giải thuật tìm kiếm tốt nhất đầu tiên (best first search) 3.2. Các biến thể của giải thuật best first search 3.3. Các giải thuật khác
Chương 4 – Các giải thuật tìm kiếm lời giải cho trò chơi
4.1. Cây trò chơi đầy đủ 4.2. Giải thuật Minimax 4.3. Giải thuật Minimax với độ sâu hạn chế 4.4. Giải thuật Minimax với cắt tỉa alpha-beta
Chương 5 – Các phương pháp tìm kiếm lời
5.1. Các cải tiến của giải thuật quay lui 5.2. Các giải thuật tối ưu địa phương
Chương 6 – Các phương pháp lập luận trên logic mệnh đề
6.1. Lập luận và Logic 6.2. Logic mệnh đề: cú pháp, ngữ nghĩa 6.3. Bài toán lập luận và các giải thuật lập luận trên logic mệnh đề 6.4. Câu dạng chuẩn hội và luật phân giải 6.5. Câu dạng Horn và tam đoạn luận 6.6. Thuật toán suy diễn dựa trên bảng giá trị chân lý 6.7. Thuật toán suy diễn dựa trên luật phân giải 6.8. Thuật toán suy diễn tiến, lùi dựa trên các câu Horn 6.9. Kết chương
Chương 7 – Các phương pháp lập luận trên logic cấp một
7.1. Cú pháp – ngữ nghĩa 7.2. Lập luận trong logic vị từ cấp một 7.3. Phép đồng nhất hai vị từ, thuật giải đồng nhất 7.4. Câu dạng chuẩn hội, luật phân giải tổng quát 7.5. Câu dạng Horn và tam đoạn luận tổng quát trong logic cấp 1 7.6. Giải thuật suy diễn phân giải 7.7. Thuật toán suy diễn tiến dựa trên câu Horn 7.8. Thuật toán suy diễn lùi dựa trên câu Horn
Chương 8 – Prolog
8.1. Lập trình logic, môi trường lập trình SWI Prolog 8.2. Ngôn ngữ Prolog cơ bản, chương trình Prolog 8.3. Câu truy vấn 8.4. Vị từ phi logic (câu phi logic) 8.5. Trả lời truy vấn, quay lui, cắt, phủ định 8.6. Vị từ đệ qui 8.7. Cấu trúc dữ liệu trong Prolog 8.8. Thuật toán suy diễn trong Prolog
