"एक ऐसी प्रणाली का निर्माण करने के लिए जिसे आर्टिफिशियल इंटेलिजेंस के रूप में संदर्भित किया जा सकता है, अनिश्चितता की स्थिति में डेटा-आधारित स्वचालित निर्णय लेने में सक्षम एल्गोरिदम को डिज़ाइन करने की कैपेसिटी विकसित करना महत्वपूर्ण है। अब, इस लक्ष्य को पूरा करने के लिए, लीनियर बीजगणित, वेक्टर कैलकुलस, संभावना और सांख्यिकी के अधिक परिष्कृत घटकों की गहराई से समझ रखने की आवश्यकता है। यह किताब आपको हर मैथमेटिकल एल्गोरिदम के साथ-साथ इसके आर्किटेक्चर, इसके ऑपरेशन और इसके डिज़ाइन के माध्यम से चलती है ताकि आप समझ सकें कि कोई भी आर्टिफिशियल इंटेलिजेंस सिस्टम कैसे काम करता है।
यह पुस्तक आपको आर्टिफिशियल इंटेलिजेंस में उपयोग की जाने वाली सामान्य टर्मिनोलोजी जैसे मॉडल, डेटा, मॉडल के पैरामीटर्स और डिपेंडेंट और इंडिपेंडेंट वेरिएबल्स सिखाएगी। बायसियन लीनियर रिग्रेशन, गॉसियन मिक्सचर मॉडल, स्टोकास्टिक ग्रेडिएंट डिसेंट और बैकप्रोपगेशन एल्गोरिदम को स्क्रैच से शुरू होने वाले इम्प्लीमेंटेशन के साथ एक्स्प्लोर किया जाता है। कॉम्प्लिकेटेड AI कम्प्यूटेशन्स जैसे ऑटोरिग्रेसिव मॉडल्स, साइकिल GANs और CNN ऑप्टिमाइजेशन के लिए आवश्यक सोफिस्टिकेटेड मैथमेटिक्स के अधिकांश को समझाया और तुलना की जाती है।
आप इस पुस्तक को पढ़ते समय गणित से परे विस्तारित ज् ान प्राप्त करेंगे। विशेष रूप से, आप कई AI ट्रेनिंग मेथड्स, विभिन्न NLP टास्क्स और डेटा की डायमेंशनलिटी को कम करने की प्रक्रिया से परिचित हो जाएंगे।
"