ВЛИЯНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА НА СФЕРУ ОБРАЗОВАНИЯ
Ключевые слова:
искусственный интеллект, протоколы искусственного интеллекта, большие данные, глубокое обучение, машинное обучение, алгоритм, виртуальное образование, онлайн-обучениеАннотация
В данной статье рассматривается применение развивающегося в настоящее время искусственного интеллекта в сфере образования и его возможности, возможности, которые он дает студентам, преподавателям и работникам образовательных учреждений, а также его значение в организации виртуального образования, протоколов искусственного интеллекта, Обсуждаются типы алгоритмов, методология и анализ литературы в этой области.
Библиографические ссылки
Russell, S. J., Norvig, P. (2010). Artificial intelligence: a modern approach. Prentice Hall.
Goodfellow, I., Bengio, Y., Courville, A. (2016). Deep learning. MIT Press.
LeCun, Y., Bengio, Y., Hinton, G. (2015). Deep learning. Nature, 521(7553), 436-444.
Sutton, R. S., Barto, A. G. (2018). Reinforcement learning: An introduction. MIT press.
Bishop, C. M. (2006). Pattern recognition and machine learning (Vol. 4). Springer.
Mitchell, T. M. (1997). Machine learning. McGraw Hill.
Scholkopf, B., Smola, A. J. (2002). Learning with kernels: support vector machines, regularization, optimization, and beyond. MIT press.
Domingos, P. (2015). The master algorithm: How the quest for the ultimate learning machine will remake our world. Basic Books.
Jordan, M.I., Mitchell, T.M. (2015). Machine learning: Trends, perspectives, and prospects. Science, 349(6245), 255-260.
Alpaydin, E. (2010). Introduction to machine learning (2nd ed.). MIT press.
Koller, D., Friedman, N. (2009). Probabilistic graphical models: Principles and techniques (Vol. 1). MIT press.
Murphy, K.P. (2012). Machine learning: a probabilistic perspective. MIT press.
Hastie, T., Tibshirani, R., Friedman, J. (2009). The elements of statistical learning: Data mining, inference, and prediction (2nd ed.). Springer.
Pearl, J. (1988). Probabilistic reasoning in intelligent systems: Networks of plausible inference. Morgan Kaufmann.
Shalev-Shwartz, S., Ben-David, S. (2014). Understanding machine learning: From theory to algorithms. Cambridge University Press.
