فصل دوازدهم: کمّی‌سازی عدم قطعیت
12-1. اقدام تحت عدم قطعیت
12-2. نماد‌گذاری اساسی احتمال
12-3. استنتاج با استفاده از توزیع‌های مشترک کامل
12-4. استقلال
12-5. قاعده‌ی بیز و کاربرد آن
12-6. مدل‌های بیزی ساده
12-7. بازبینی دنیای ومپوز
فصل سیزدهم: استدلال احتمالی
13-1. نمایش دانش در دامنه‌ی غیرقطعی
13-2. معنای شبکه‌های بیزی
13-3. استنتاج دقیق در شبکه‌های بیزی
13-4. استنتاج تقریبی در شبکه‌های بیزی
13-5. شبکه‌های علّی
فصل چهاردهم: استدلال احتمالی در طول زمان
14-1. زمان و عدم قطعیت
14-2. استنتاج در مدل‌های زمانی
14-3. مدل‌های پنهان مارکوف
14-4. فیلترهای کالمن
14-5. شبکه‌های بیزی پویا
فصل پانزدهم: برنامه‌نویسی احتمالی
15-1. مدل‌های احتمال رابطه‌ای
15-2. مدل‌های احتمال جهانِ باز
15-3. پیگیری دنیای پیچیده
15-4. برنامه‌ها به عنوان مدل‌های احتمالی
فصل شانزدهم: اتخاذ تصمیم‌های ساده
16-1. ترکیب باورها و خواسته‌ها تحت عدم قطعیت
16-2. مبانی نظریه‌ی سودمندی
16-3. توابع سودمندی
16-4. توابع سودمندی چندصفتی
16-5. شبکه‌های تصمیم‌گیری
16-6. ارزش اطلاعات
16-7. اولویت‌های ناشناخته
فصل هفدهم: اتخاذ تصمیم‌های پیچیده
17-1. مسائل تصمیم‌گیری ترتیبی
17-2. الگوریتم‌هایی برای MDPها
17-3. مسأله‌های ماشین قمار
17-4. MDPهای مشاهده‌‌پذیر جزیی
17-5. الگوریتم‌هایی برای حل POMDPها
فصل هجدهم: تصمیم‌گیری چندعاملی
18-1. ویژگی‌های محیط‌های چندعاملی
18-2. نظریه‌ی بازی غیر مشارکتی
18-3. نظریه‌ی بازی مشارکتی
18-4. اتخاذ تصمیم جمعی
فصل نوزدهم: یادگیری از مثال‌ها
19-1. شکل‌های یادگیری
19-2. یادگیری با نظارت
19-3. یادگیری درختان تصمیم
19-4. انتخاب مدل و بهینه‌سازی
19-5. نظریه‌ی یادگیری
19-6. رگرسیون و دسته‌بندی با مدل‌های خطی
19-7. مدل‌های غیر پارامتری
19-8. یادگیری گروهی
19-9. توسعه‌ی سیستم‌های یادگیری ماشین
فصل بیستم: یادگیری مدل‌های احتمالی
20-1. یادگیری احتمالی
20-2. یادگیری با داده‌های کامل
20-3. یادگیری با متغیرهای پنهان: الگوریتم EM
فصل بیست و یکم: یادگیری عمیق
21-1. شبکه‌های پیشخور ساده
21-2. گراف‌های محاسباتی برای یادگیری عمیق
21-3. شبکه‌های پیچشی
21-4. الگوریتم‌های یادگیری
21-5. تعمیم
21-6. شبکه‌های عصبی بازگشتی
21-7. یادگیری بدون نظارت و یادگیری انتقالی
21-8. کاربردها
فصل بیست و دوم: یادگیری تقویتی
22-1. یادگیری از پاداش‌ها
22-2. یادگیری عمیق انفعالی
22-3. یادگیری تقویتی فعال
22-4. تعمیم یادگیری تقویتی
22-5. جستجوی سیاست
22-6. کارآموزی و یادگیری تقویتی معکوس
22-7. کاربردهای یادگیری تقویتی
فصل بیست و سوم: پردازش زبان طبیعی
23-1. مدل‌های زبان
23-2. گرامر
23-3. تجزیه
23-4. گرامرهای ارتقایافته
23-5. پیچیدگی‌های زبان طبیعی واقعی
23-6. وظایف زبان طبیعی
فصل بیست و چهارم: یادگیری عمیق برای پردازش زبان طبیعی
24-1. تعبیه‌ی کلمات
24-2. شبکه‌های عصبی بازگشتی برای
24-3. مدل‌های دنباله به دنباله
24-4. معماری مبدل
24-5. پیش‌آموزش و یادگیری انتقالی
24-6. آخرین یافته‌ها
فصل بیست و پنجم: بینایی کامپیوتر
25-1. مقدمه
25-2. تشکیل تصویر
25-3. ویژگی‌های تصویر ساده
25-4. دسته‌بندی اشیا
25-5. شناسایی اشیا
25-6. دنیای سه‌بُعدی
25-7. استفاده از بینایی کامپیوتر
فصل بیست و ششم: رُباتیک
26-1. رُبات‌ها
26-2. سخت‌افزار رُبات
26-3. رُبات‌ها چه نوع مسأله‌هایی را حل می‌کنند؟
26-4. ادراک رُبات
26-5. برنامه‌ریزی و کنترل
26-6. برنامه‌ریزی حرکت‌های نامطمئن
26-7. یادگیری تقویتی در رُباتیک
26-8. انسان‌‌ها و رُبات‌ها
26-9. چارچوب‌های دیگر رُباتیک
26-10. قلمرو کاربرد رُباتیک
واژه‌نامه‌ی انگلیسی به فارسی
