Εγχειρίδιο Τεχνητής Νοημοσύνης

Το παρόν βιβλίο καλύπτει τον ευρύτερο τομέα της τεχνητής νοημοσύνης.

Τα κεφάλαια του βιβλίου εκτείνονται σε τρεις κατηγορίες:

1.    Μέθοδοι συνεπαγωγικής συλλογιστικής:

Αυτές οι μέθοδοι ξεκινούν με προκαθορισμένες υποθέσεις και συλλογίζονται με αυτές προκειμένου να φτάσουν σε λογικώς ορθά συμπεράσματα.
Οι υποκείμενες μέθοδοι περιλαμβάνουν την αναζήτηση και τις βασιζόμενες στη λογική μεθόδους.
Οι μέθοδοι αυτές εξετάζονται στα Κεφάλαια 1 έως 5.

2.    Μέθοδοι επαγωγικής μάθησης:

Αυτές οι μέθοδοι ξεκινούν με παραδείγματα και χρησιμοποιούν στατιστικές μεθόδους ώστε να φτάσουν σε υποθέσεις.
Παραδείγματα τους αποτελούν η μοντελοποίηση παλινδρόμησης, οι μηχανές διανυσμάτων υποστήριξης, τα νευρωνικά δίκτυα, η ενισχυτική μάθηση, η μη επιτηρούμενη μάθηση και τα πιθανοτικά γραφικά μοντέλα.
Οι μέθοδοι αυτές συζητούνται στα Κεφάλαια 6 έως 11.  

3.    Συνδυασμός συλλογιστικής και μάθησης:

Τα Κεφάλαια 12 και 13 εξετάζουν μεθόδους συνδυασμού της συλλογιστικής και της μάθησης.
Στα παραδείγματα συμπεριλαμβάνονται η χρήση γράφων γνώσης και νευροσυμβολικής τεχνητής νοημοσύνης. 

Το βιβλίο απευθύνεται σε φοιτητές, ερευνητές και επαγγελματίες. Στο τέλος κάθε κεφαλαίου υπάρχουν πολυάριθμες ασκήσεις ως βοηθήματα για τη διδασκαλία στην τάξη. Όπου αυτό είναι δυνατό, δίνεται έμφαση στη θεώρηση με επίκεντρο τις εφαρμογές προκειμένου να γίνουν κατανοητές οι πρακτικές χρήσεις κάθε κατηγορίας μεθόδων.  
 
Περί του συγγραφέα

Ο Charu C. Aggarwal είναι Διακεκριμένο Μέλος του Ερευνητικού Προσωπικού στο Ερευνητικό Κέντρο T. J. Watson της IBM στο Yorktown Heights της Νέας Υόρκης.

Έλαβε το πτυχίο του στην Πληροφορική από το Ινδικό Ινστιτούτο Τεχνολογίας στην Kanpur το 1993 και το διδακτορικό του πτυχίο από το Ινστιτούτο Τεχνολογίας της Μασαχουσέτης (MIT) το 1996.
Έχει δημοσιεύσει περισσότερες από 400 εργασίες σε συνέδρια και περιοδικά με κριτές και κατέχει περισσότερες από 80 ευρεσιτεχνίες.
Έχει συγγράψει ή επιμεληθεί 20 βιβλία, στα οποία συμπεριλαμβάνονται σχολικά εγχειρίδια για γραμμική άλγεβρα, μηχανική μάθηση (για κείμενο), νευρωνικά δίκτυα, συστήματα συστάσεων και ανάλυση εκτρόπων τιμών.
Εξ αιτίας της εμπορικής αξίας των ευρεσιτεχνιών του, έχει ανακηρυχθεί τρεις φορές Μέγας Εφευρέτης στην IBM.
Έχει λάβει διάφορα βραβεία στο εσωτερικό και στο εξωτερικό , όπως το Βραβείο EDBT Test of Time 2014,το Βραβείο Καινοτομίας ACM SIGKDD (2019) και το Βραβείο Επιστημονικής Συνεισφοράς IEEE ICDM (2015).
Έχει ακόμα λάβει το Βραβείο W. Wallace McDowell, το οποίο αποτελεί την ύψιστη τεχνική διάκριση που απονέμεται από την IEEE Computer Society για το σύνολο της επιστήμης των υπολογιστών.
Έχει διατελέσει αρχιεπιμελητής του ACM SIGKDD Explorations.

Επί του παρόντος υπηρετεί ως αρχιεπιμελητής του ACM Transactions on Knowledge Discovery from Data καθώς και ως συν-αρχιεπιμελητής της σειράς ACM Books.
Είναι μέλος του SIAM, του ACM και του IEEE, για «συνεισφορές στην ανακάλυψη γνώσης και στους αλγόριθμους εξόρυξης δεδομένων.”