Cómo empezar a aprender sobre la IA

Answer 1

La inteligencia artificial en general es un tema muy amplio. Incluye diversos aspectos del aprendizaje automático, el razonamiento, la representación del conocimiento y muchos más. Página de Wikipedia Inteligencia artificial: Wikipedia tiene una descripción general de varios sub-campos de la IA en general.

Entonces, para limitar la pregunta, enfocaré mi respuesta en el aprendizaje automático.

En primer lugar, debe conocer la ingeniería de software y la programación en general, ya que todos los aspectos prácticos de ML y AI implican la escritura de código.

También para poder leer libros y artículos y para comprender la teoría detrás del aprendizaje automático, deberá tener algún conocimiento de matemáticas. En particular, los siguientes temas serían muy útiles: cálculo, álgebra lineal, teoría de la probabilidad y estadística, combinatoria.

Entonces deberías leer un resumen básico del aprendizaje automático. “Reconocimiento de patrones y aprendizaje automático” por Chris Bishop es un buen libro para comenzar. También eche un vistazo a la respuesta de Ian Goodfellow sobre los 3 mejores libros sobre ML: ¿Cuáles son los 3 mejores libros que recomendaría en Machine Learning?

Los libros le dan una visión general de la teoría, pero también es importante implementar y jugar con algunos sistemas prácticos de aprendizaje automático. Udacity y Coursera suelen tener cursos de alta calidad con ejercicios prácticos. Encontré los siguientes dos después de una búsqueda rápida: Resumen de ND y Aprendizaje automático | Coursera (Disclamer: No he hecho ninguno de estos dos cursos específicos, pero he hecho cursos similares en el pasado, tanto de Udacity como de Coursera).

Answer 2

He respondido una pregunta similar recientemente. Copiándolo aquí. Espero que sea de ayuda. Estoy interesado en utilizar el Aprendizaje automático basado en redes neuronales para explorar la IA, por lo que mi respuesta estaría sesgada hacia esos temas.

Esto es importante , mi recomendación sería comenzar desde el curso de Redes neuronales convolucionales de Stanford . Ese curso toca todos los aspectos de esta guía y lo mantendrá motivado porque logra cosas en pequeñas cantidades.

Material fundacional

Matemáticas

Se requerirá álgebra lineal, probabilidad y cálculo. Enfoque su estudio desde una perspectiva de herramientas, es decir, aprenda sobre un tema cuando lo encuentre y tenga muy claro por qué ese tema es importante.

• Primera sección del libro Deep Learning. Introducción agradable y suave a los conceptos matemáticos relacionados con el aprendizaje automático.
• Esencia de álgebra lineal y esencia de cálculo. Serie de videos cortos de Youtube que brindan una intuición muy hermosa sobre el álgebra lineal y el cálculo. Por ejemplo, ¿sabías que el determinante describe cómo se escala y se transforma el espacio mediante una matriz?
• Calculus Made Easy de Thompson. Recientemente me topé con este texto (alguien publicado en Twitter) y me enamoré de él. Da una buena introducción superficial al cálculo.
• Análisis de sistemas de probabilidad MIT y probabilidad aplicada. Va un poco lento para mi gusto pero cubre todos los temas principales.
• Métodos matemáticos para la visión artificial, robótica y gráficos. Recomiendo volver a Khan Academy para materiales suplementarios.
• Métodos matemáticos para ingenieros 1 y 2. Curso MIT sobre matemáticas aplicadas. Algunos métodos relevantes para la IA y otros no. Veo conferencias seleccionadas cuando estoy revisando algún material.

Ingeniería de software

• Aprende Python. La mayoría de las bibliotecas de AI y el código de ejemplo que hay por ahí se implementa en Python. Vengo de un contexto de JAVA y este libro me ayudó enormemente a comprender las formas de Pythonic.
• Una vez que se sienta cómodo con lo básico, comience a sentirse cómodo con la programación paralela en Python. Tendrá que usarlo para crear datos de entrenamiento en paralelo o acelerar las tareas de cocción de datos mundanos. Este blog te dará un buen comienzo. Te encontrarás con el maravilloso mundo de GIL :).
• Sé bueno usando NumPy y Scipy. Estas herramientas implementan las matemáticas en las computadoras. Esta introducción de Stanford es un gran comienzo. Un punto sutil es este: NumPy parece haber establecido los estándares sobre cómo se debería pensar acerca del Álgebra Lineal en las computadoras. Así que los conceptos aprendidos aquí se transfieren a la mayoría de los otros kits de herramientas de inteligencia artificial.

Aprendizaje automático acelerado de GPU

La mayor parte del aprendizaje automático son transformaciones matriciales. Matrix Matemix puede ser masivamente acelerado en GPUs. Recomiendo explorar GPU para acelerar sus modelos ML.

• A la larga, construir tu propia caja de GPU será más barato. Consulte estas guías: Una guía completa de hardware para el aprendizaje profundo: Tim Dettmers y la creación de su propio cuadro de aprendizaje profundo: Hacia la ciencia de los datos: Medio.
• Recomiendo este libro y este curso. Recuerde, no necesita saberlo todo, pero la comodidad con este material lo ayudará a ejecutar sus redes más rápido y a solucionar problemas.
• También necesitarás aprender un marco basado en GPU. Hay muchos para elegir, como MXNet, Theano, Tensorflow y PyTorch. Todos estos marcos son motores de álgebra lineal. Sus sitios web están llenos de guías y tutoriales. Elige uno y hazlo bien.

Aprendizaje automático de materiales específicos

El aprendizaje automático es un campo vasto. Esta sección variará según el tipo de Aprendizaje automático que desee seguir. Utilizo las redes neuronales para perseguir el aprendizaje automático, por lo que mi descripción estará sesgada a esas técnicas.

En mi humilde opinión, la progresión de los materiales de digestión es conferencias -> blogs / libros -> artículos. Algunos de mis favoritos.

Conferencias

• Aprendiendo de los datos.
• Redes neuronales para el aprendizaje automático.
• Redes neuronales convolucionales para el reconocimiento visual.
• Aprendizaje profundo para el procesamiento del lenguaje natural
• Oxford CS Deep NLP
• Redes neuronales

Blogs / Libros

• Libro de aprendizaje profundo
• Andrej Karapathy
• Colah
• Sebastian Ruder
• WildML
• Destilar

Papeles

• Gran lista compilada por Terry Taewoong Um
• Crea una cuenta en Arxiv Sanity Preserver y vuélvete loco

Este campo se está moviendo tan rápido que la mejor manera de “mantenerse informado” es seguir a los líderes del campo. La mejor manera de hacerlo es en las redes sociales. Algunas recomendaciones y, probablemente, las redes sociales que elijas (la mayoría de ellas están activas en Twitter) comenzarán a mostrarte personas más relevantes 🙂

• Andrew Ng
• Yoshua Bengio
• Yann LeCun
• Fie-Fie Li
• Andrej Karpathy

Organizando tu material de lectura (opcional)

Intento constantemente optimizar cómo organizo mi material. En un momento me había impreso papeles por todas partes. Luego, con el iPad Pro y el Apple Pencil, “intenté” ir sin papel pero revertí. Pero, en el último mes (después del lanzamiento de iPad de 10.5 pulgadas) creo que finalmente encontré un sistema que me funciona.

• Yo uso Papers para organizar mis archivos PDF. Puede importar archivos PDF de fuentes como Arxiv.
• Uso LiquidText para leer y anotar mis archivos PDF. Lo bueno aquí es que puedes abrir archivos PDF desde Papers en LiquidText y cuando hayas terminado, puedes enviarlos nuevamente a Papers con tus anotaciones intactas.
• Utilizo Google Keep para los marcadores sobre la marcha. Luego, cuando tengo tiempo, importo cosas en Papers o LiquidText para futuras lecturas.

Answer 3

¿Qué es la inteligencia artificial (IA)?

¿Estás pensando en Chappie, Terminator y Lucy? Los robots conscientes y conscientes de sí mismos están más cerca de convertirse en una realidad de lo que crees. El desarrollo de sistemas informáticos que igualan o superan la inteligencia humana es el quid de la inteligencia artificial. Inteligencia Artificial (IA) es el estudio de informática que se enfoca en el desarrollo de software o máquinas que exhiben inteligencia humana. Una definición bastante simple, ¿verdad?

Obviamente, hay mucho más que eso. La IA es un tema amplio que va desde calculadoras simples hasta tecnología de autodirección hasta algo que podría cambiar radicalmente el futuro.

Objetivos y aplicaciones de la IA

Los objetivos principales de la IA incluyen la deducción y el razonamiento, la representación del conocimiento, la planificación, el procesamiento del lenguaje natural (PNL), el aprendizaje, la percepción y la capacidad de manipular y mover objetos. Los objetivos a largo plazo de la investigación en IA incluyen el logro de la creatividad, la inteligencia social y la inteligencia general (nivel humano).

La IA ha influido mucho en diferentes sectores, que tal vez no reconozcamos. Ray Kurzweil dice: “Muchos miles de aplicaciones de IA están profundamente integradas en la infraestructura de todas las industrias”. John McCarthy, uno de los fundadores de AI, dijo una vez que “tan pronto como funciona, ya nadie lo llama AI”.

Tipos de IA

Si bien hay varias formas de IA, ya que es un concepto amplio, podemos dividirlo en las siguientes tres categorías basadas en las capacidades de AI:

La IA débil, que también se conoce como IA estrecha, se centra en una tarea. No hay autoconciencia o inteligencia genuina en caso de una IA débil.

iOS Siri es un buen ejemplo de una IA débil que combina varias técnicas de IA débiles para funcionar. Puede hacer muchas cosas para el usuario, y verá cuán “estrecho” es exactamente cuando intenta conversar con el asistente virtual.

Strong AI, que también se conoce como True AI, es una computadora que es tan inteligente como el cerebro humano. Este tipo de IA podrá realizar todas las tareas que un humano podría hacer. Se están realizando muchas investigaciones en este campo, pero aún tenemos mucho por hacer. Deberías estar imaginando Matrix o yo, Robot aquí.

La superinteligencia artificial te hará explotar si la IA fuerte te impresionó. Nick Bostrom, el principal pensador de IA, lo define como “un intelecto que es mucho más inteligente que los mejores cerebros humanos en prácticamente todos los campos, incluida la creatividad científica, la sabiduría general y las habilidades sociales”.

La superinteligencia artificial es la razón por la cual muchos científicos y tecnólogos destacados, entre ellos Stephen Hawking y Elon Musk, han expresado su preocupación por la posibilidad de extinción humana.

¿Cómo puedes empezar?

Lo primero que debes hacer es aprender un lenguaje de programación. Aunque hay muchos idiomas con los que puedes comenzar, Python es lo que muchos prefieren comenzar porque sus bibliotecas se adaptan mejor al aprendizaje automático.

Aquí hay algunos buenos recursos para Python:

CodeAcademy
Aprende Python de la manera más difícil.
Coursera Python
Introducción a la informática

Introducción a los bots

Un BOT es el ejemplo más básico de una inteligencia artificial débil que puede realizar tareas automatizadas en su nombre. Los chatbots fueron uno de los primeros programas automáticos que se llamaron “bots”. Necesitas AI y ML para tus chatbots. Los rastreadores web utilizados por los motores de búsqueda como Google son un ejemplo perfecto de un BOT sofisticado y avanzado.

Debes aprender lo siguiente antes de comenzar a programar robots para hacer tu vida más fácil.

xpath: esto te ayudará a inspeccionar y apuntar a HTML y construir tu bot a partir de lo que ves allí.

expresiones regulares: esto le ayudará a procesar los datos que alimenta a su robot mediante la limpieza o la orientación (o ambas) de las partes que son importantes para su lógica.

DESCANSO: esto es realmente importante, ya que eventualmente trabajará con las API. Puede utilizar solicitudes para hacer esto por su simplicidad.

¿Cómo puedes construir tu primer bot?

Puede comenzar a aprender cómo crear bots en Python a través de los siguientes dos tutoriales de la manera más sencilla.

Cómo construir un Bot Python

También puede comenzar utilizando API y herramientas que ofrecen la capacidad de crear aplicaciones para usuarios finales. Esto te ayuda a construir realmente algo sin preocuparte demasiado por la teoría al principio. Algunas de las API que puede utilizar para esto son:

Documentación de la API de Google Cloud Prediction
DiffBot
Herramientas de Aprendizaje Automático para Lenguaje
Scrapy
API de Wolfarm Alpha

Aquí hay una lista de algunos problemas BOT para que practiques y pruebes antes de intentar el desafío final.

Tic Tac Toe
Maleficio
Puntos y cajas

¿Ahora que?

Una vez que tenga un conocimiento profundo de su lenguaje de programación preferido y suficiente práctica con los conceptos básicos, debe comenzar a aprender más sobre el aprendizaje automático. En Python, comience a aprender las bibliotecas Scikit-learn, NLTK, SciPy, PyBrain y Numpy, que serán útiles al escribir algoritmos de aprendizaje automático. También debe saber Matemáticas avanzadas.

Aquí hay una lista de recursos para que aprendas y practiques ML:

http://www.r2d3.us/visual-intro-…
https://www.coursera.org/learn/m … (Por Andrew Ng)
https://www.cs.cmu.edu/~tom/1070 …
https://www.edx.org/course/artif… (Especialmente para ejercicios de práctica en Python)
https://www.udacity.com/course/i…
https://www.udacity.com/course/i… (Incluye lógica y robótica)
http://ocw.mit.edu/courses/elect …

Algunos libros para la IA
http://aima.cs.berkeley.edu/
http://wps.aw.com/wps/media/obje …
https://grey.colorado.edu/CompCo…
http://psych.colorado.edu/~oreil …

Answer 4

6 pasos sencillos para comenzar a aprender inteligencia artificial

PASO 1.) Aprende Python y SQL

Lo principal que tienes que hacer es tomar en un lenguaje de programación. A pesar del hecho de que puede comenzar con una cantidad considerable de idiomas, Python es lo que muchos prefieren comenzar porque sus bibliotecas son mucho más adecuadas para el aprendizaje automático.

Yo recomendaría los siguientes enlaces:

• Aprendizaje automático con texto en scikit-learn (PyCon 2016)
• Aprendizaje automático en Python con scikit-learn
• Aprendizaje automático con Python
• Aprendizaje automático Parte 1 | Tutorial SciPy 2016

PASO 2.) Aprenda el aprendizaje automático de algunos de los cursos a continuación.

Inteligencia Artificial: Principios y Técnicas de Stanford – un programa educativo fenomenal para estudiantes de nivel inferior inspirado en la adaptación de más acerca de la IA. El curso se concentra en los estándares fundamentales de la IA.

CS405: INTELIGENCIA ARTIFICIAL : CS405 introduce el campo de la inteligencia artificial (IA). Los materiales sobre programación de la inteligencia artificial, lógica, búsqueda, juegos, aprendizaje automático, comprensión del lenguaje natural y robótica introducen al alumno en los métodos, herramientas y técnicas de inteligencia artificial, su aplicación a los problemas informáticos y su contribución a la comprensión de la inteligencia.

Curso de edx.org sobre IA : este curso proporciona los fundamentos de la inteligencia artificial (AI) y los aplica. Diseñe agentes inteligentes para resolver problemas del mundo real, incluidos problemas de búsqueda, juegos, aprendizaje automático, lógica y satisfacción de restricciones.

Curso de MIT sobre IA : este curso presenta a los estudiantes la representación de conocimientos básicos, la resolución de problemas y los métodos de aprendizaje de la inteligencia artificial. Al finalizar este curso, los estudiantes deben poder desarrollar sistemas inteligentes mediante el ensamblaje de soluciones a problemas computacionales concretos; comprender el papel de la representación del conocimiento, la resolución de problemas y el aprendizaje en la ingeniería de sistemas inteligentes; y apreciar el papel de la resolución de problemas, la visión y el lenguaje en la comprensión de la inteligencia humana desde una perspectiva computacional.

Aprenda los fundamentos de la IA : este curso se subdivide en 10 lecciones , este curso en línea familiariza a los estudiantes con el universo de la IA. Para entenderlo, asegúrese de tener alguna información esencial de las matemáticas basadas en variables directas y la hipótesis de probabilidad que debe aprender teniendo en cuenta el objetivo final que debe estar preparado.

Video conferenciantes de Berkeley : recomendaría el grupo de conferenciantes de video aquí.

También he enumerado los 10 mejores cursos de Inteligencia Artificial y Aprendizaje Automático para Principiantes y Avanzados que te ayudarán a convertirte en el siguiente maestro de ML o Google que emplee Apple.

PASO 3.) Aprenda los conceptos básicos de la teoría de la probabilidad, las estadísticas y las matemáticas.

Yo recomendaría los siguientes enlaces:

• Álgebra lineal – Álgebra lineal – MIT 18.06 Álgebra lineal por Gilbert Strang
• Teoría de probabilidad – Probabilidad y estadística – MIT 6.041 Análisis probabilístico de sistemas y probabilidad aplicada por John Tsitsiklis
• Cálculo
• Cálculo multivariado
• Teoría de grafos
• Métodos de optimización

PASO 4.) LIBROS RECOMENDADOS PARA LEER

• http://aima.cs.berkeley.edu/
• Inteligencia artificial: un enfoque moderno , por Stuart J. Russell y Peter Norvig
• http://wps.aw.com/wps/media/obje …
• La búsqueda de la inteligencia artificial , por Nils J. Nilsson
• Inteligencia artificial práctica: Programación en Java , por Mark Watson
• https://grey.colorado.edu/CompCo…
• Simplemente lógico: razonamiento inteligente por ejemplo , por Peter Flach
• La revolución de la IA: Camino a la superinteligencia
• http://psych.colorado.edu/~oreil …

También he enumerado algunos de los mejores y mejores libros electrónicos gratuitos de aprendizaje automático de AI, desde donde puedes descargar y poner en marcha los principios / estadísticas básicos de aprendizaje automático para que los desarrolladores se conviertan en buenos en la construcción de sistemas de inteligencia artificial rápidamente.

PASO 5. ) PRACTICAR POCOS EJERCICIOS

Cuando tenga una comprensión exhaustiva de su lenguaje de programación favorito y práctica suficiente con lo esencial, debe comenzar a comprender más sobre el aprendizaje automático. En Python, comience a aprender las bibliotecas Scikit-learn, NLTK, SciPy, PyBrain y Numpy, que serán valiosas al componer los algoritmos de aprendizaje automático.

Practica algunos ejercicios en Scikit desde el sitio web:

http://scikit-learn.org/

&&

https://www.edx.org/course/artif… – Para practicar ejercicios en Python.

También aquí hay un resumen de recursos para que aprenda y afine ML:

http://www.r2d3.us/visual-intro-…

https://www.coursera.org/learn/m …

https://www.cs.cmu.edu/~tom/1070 …

https://code.tutsplus.com/tutorials/how-to-build-a-python-bot-that-can-play-web-games–active-11117

https://www.udacity.com/course/intro-to-artificial-intelligence–cs271

http://ocw.mit.edu/courses/elect …

PASO 6 ) Practique, aprenda, practique por su cuenta, paso a paso poco a poco se convertirá en programador de IA .

He enumerado herramientas de AI de código abierto gratuitas o software que puede utilizar para construir sus soluciones.

También puedes asistir a conferencias de AI y ver videos en AI.

Una vez que haya completado estos 6 pasos, puede echar un vistazo a estas preguntas de la entrevista Top & Best 99 sobre AI y Machine Learning y comenzar a dar entrevistas si desea comenzar su carrera en AI / ML.

¡Buena suerte!

Answer 5

Esto es “Deep Blue”, la computadora maestra de ajedrez de IBM.

Esta es Siri, el software asistente digital de Apple.

¿Qué tienen estos dos en común? Ambos son ejemplos de IA débil, altamente especificada. El campo de la IA es extremadamente amplio, con proyectos que son extremadamente variados y una gran variedad de habilidades que se necesitan en cada nicho.

Para un proyecto como Siri, necesitarías:

• Codificación
• Desarrollo de aplicaciones
• Redes
• Etc

Para un proyecto como “Deep Blue”:

• Codificación
• Aprendizaje automático
• Diseño e ingeniería de hardware
• Etc

Esas dos listas, mientras que todas requieren conocimientos de programación, son drásticamente diferentes en todos los demás aspectos. Entonces, la primera pregunta que debe hacerse es sobre qué tipo de IA desea aprender.

---

Gustó esta respuesta? Lea mi respuesta acerca de cómo AI dejará a Walmart fuera del negocio en menos de 10 años.

Answer 6

Primero necesitas aprender programación. Lea Enseñe a usted mismo la programación en diez años para obtener una perspectiva útil. Comience por leer SICP. Instale y use alguna distribución de Linux en su computadora (ya que está hecho de software libre cuyo código fuente podrá estudiar más adelante).

Luego, también aprenderá algo de informática, y luego podría especializarse en inteligencia artificial o en aprendizaje automático.

Vea también la respuesta de Basile Starynkevitch a Si quiero codificar para ganarme la vida, ¿cuáles son los idiomas que debería aprender y las cosas que debo hacer?

Recomiendo obtener algún título universitario en informática.

Es posible que necesite una docena de años de esfuerzos.

Answer 7

Debería comenzar diciendo que no soy un experto en este campo.

Tuve suerte. Conocí a la persona adecuada, nos llevamos bien y desarrollamos una relación que me involucró con una maquinaria inteligente muy emocionante. Ayudó a que tuviera habilidades útiles en medicina y también estaba bien versado en programación.

Asi que:

AI es una iglesia muy amplia. Le sugiero que considere las habilidades que puede aportar a la mesa y se centre en las áreas donde ya tiene habilidades o tiene la intención de trabajar arduamente para obtenerlas.

Siempre vale la pena alguna experiencia de programación. Mire los anuncios de empleo para ver qué idiomas son los más buscados, aunque nunca puede equivocarse con un fondo en C ++ o python. Ambos son razonablemente fáciles de aprender con muchos cursos gratuitos en línea de alta calidad.

Lea todo lo que pueda: es vital tener excelentes habilidades de lenguaje y comunicación, y la lectura las mejora mientras aprende otras cosas. Sin duda, deberías considerar leer algunos de los grandes de la ciencia ficción: Iain M. Banks, Arthur C. Clarke, Robert Heinlein y Isaac Asimov porque su trabajo ha informado mucho del debate ético sobre AI. Aprender sobre ética y psicología. Estudia publicaciones como National Geographic ya que te informarán bien sobre la naturaleza humana. Mira las noticias todos los días.

Haga preguntas, lea las respuestas, no tenga ideas preconcebidas cuando lo haga.

Al final, se trata de tener una base de conocimientos muy amplia, la capacidad de resolver problemas complejos y las habilidades específicas necesarias para el trabajo en cuestión.

Tal vez le gustaría considerar si le convendría más aprender a ayudar a las personas a hacer un mejor uso de la mensajería instantánea: serán mucho más importantes que quienes enseñan las máquinas.

Answer 8

Puedes aprender AI de este curso de mejor venta disponible en Udemy –

¡Combina el poder de la Ciencia de datos, el Aprendizaje automático y el Aprendizaje profundo para crear una poderosa IA para aplicaciones del mundo real!

¿Quién es el público objetivo?

• Cualquier persona interesada en Inteligencia Artificial, Aprendizaje Automático o Aprendizaje Profundo

Course Link- Artificial Intelligence AZ ™: Aprenda cómo construir una IA

¿Que aprenderás?

• Construir una IA
• Comprender la teoría detrás de la Inteligencia Artificial.
• Hacer un auto de auto conducción virtual
• Haz una IA para vencer a los juegos.
• Resolver problemas del mundo real con IA
• Domina el estado del arte de los modelos AI
• Q-Learning
• Aprendizaje profundo de Q
• Q-Learning Convolucional Profundo
• A3C

Requisitos para realizar este curso.

• Solo matematicas de secundaria

Descripción del curso por instructor

Aprende los conceptos clave de la inteligencia artificial y el entrenamiento de intuición para ponerte al día rápidamente con todo lo relacionado con la inteligencia artificial. Cubierta:

• Cómo comenzar a construir AI sin experiencia previa en codificación usando Python
• Cómo combinar AI con OpenAI Gym para aprender de la manera más efectiva posible
• Cómo optimizar tu IA para alcanzar su máximo potencial en el mundo real.

Esto es lo que obtendrás con este curso:

1. Completa las habilidades de principiante a experto en inteligencia artificial : aprende a codificar la IA que se mejora a sí mismo para diversos fines. De hecho, codificamos junto con usted. Cada tutorial comienza con una página en blanco y escribimos el código desde cero. De esta manera puede seguir y entender exactamente cómo se une el código y qué significa cada línea.

2. Plantillas de código: además, obtendrás plantillas de código Python descargables para cada AI que construyas en el curso. Esto hace que la creación de una IA verdaderamente única sea tan simple como cambiar algunas líneas de código. Si liberas tu imaginación, el potencial es ilimitado.

3. Tutoriales de intuición: donde la mayoría de los cursos simplemente lo bombardean con teoría densa y lo ponen en camino, creemos en desarrollar una comprensión profunda no solo de lo que está haciendo, sino también de por qué lo hace. Es por eso que no le lanzamos matemáticas complejas, sino que nos enfocamos en desarrollar su intuición en la codificación de la IA para obtener resultados infinitamente mejores en el futuro.

4. Soluciones para el mundo real: logrará su objetivo no solo en 1 juego sino en 3. Cada módulo consta de diferentes estructuras y dificultades, lo que significa que será lo suficientemente hábil para crear IA adaptable a cualquier entorno en la vida real. en lugar de simplemente pasar una memoria glorificada “probar y olvidar” como la mayoría de los otros cursos. La práctica realmente hace la perfección.

5. Asistencia en el curso: estamos totalmente comprometidos a hacer de este el curso de AI más accesible e impulsado por resultados del planeta. Esto requiere que estemos allí cuando necesite nuestra ayuda. Es por eso que hemos reunido a un equipo de científicos de datos profesionales para que lo apoyen en su viaje, lo que significa que recibirá una respuesta de nosotros dentro de las 48 horas como máximo.

Course Link- Artificial Intelligence AZ ™: Aprenda cómo construir una IA

Answer 9

Recomendaría comenzar leyendo una guía que valga la pena. Cuando necesito aprender algo nuevo, el primer lugar al que voy a pedir consejo es Medio. Por lo tanto, echa un vistazo a algunos artículos medianos. Mis favoritos son los siguientes:

1. Guía no técnica de IA.

Si solo tienes la oportunidad de leer una publicación en Medium sobre inteligencia artificial, debería ser esta. Esta guía “no técnica” no es solo una introducción a la inteligencia artificial o una breve descripción de sus aplicaciones.

2. Una guía para principiantes de AI / ML.

El artículo es parte de un ciclo educativo “Aprendizaje de máquina para humanos”: 5 partes de guías asombrosas para el aprendizaje de máquina. Le sugiero encarecidamente que los lea todos, para ponerse al día con el aprendizaje automático. Cada parte está extremadamente bien escrita y tiene docenas de ejemplos del mundo real para aprender.

3. Guía definitiva para aprovechar la PNL y el aprendizaje automático para su Chatbot

La forma en que Stefan tuvo una idea de escribir un artículo sobre el procesamiento del lenguaje natural es simple: de vez en cuando se topa con un buen artículo y guarda fragmentos y piezas aquí y allá.

Una vez que decidió acumular estos pensamientos y colocarlos en un solo lugar, funcionó como una guía de PNL ultimada. En esta lectura de 23 minutos, el autor logró aportar conocimientos y sabiduría suficientes para que alguien pudiera escribir un libro basado en esta publicación.

4. Guía para principiantes de Data Science – Python + Docker

No importa cuántos editoriales lea sobre AI y la forma en que cambia el mundo, todos los escritores están de acuerdo en una cosa: habrá una gran demanda de científicos de datos en el mercado.

Si, influenciado por estas lecturas y tu propio entusiasmo por la IA, decidiste aprender ciencia de datos, este artículo es una buena manera de comenzar. La publicación es una breve guía de 4 minutos que puede leer fácilmente de camino a la oficina o sentado en una cafetería.

5. Una guía rápida para diseñar AR en el móvil

Si su jefe alguna vez le ha dicho que haga una “cosa de AR”, puede relacionarse. Además, y es una buena noticia, después de leer este artículo, finalmente harás una “cosa de AR”.

El artículo tiene tres partes que describen el diseño de AR en detalles. El estilo de escritura es amplio y conversacional, por lo que seis minutos para mí se convirtieron en cuatro.

He recopilado algunas otras excelentes lecturas de AI en los artículos de Medium: 100 Medium para hacerte un profesional de AI: Aprendiendo AI (Pt.1)

Answer 10

Es muy buena pregunta. Primero que todo necesitas saber algunas habilidades básicas de programación. Si no conocía ningún lenguaje de programación antes, puede comenzar con python. Python se utiliza principalmente en inteligencia artificial y ciencia de datos. Encontrará muchas bibliotecas para construir sus propios proyectos de AI como PyBrain, SimpleAI, PyDatalog, etc. Ya he respondido algunas de las preguntas que se hicieron en quora sobre cómo aprender python, etc. Atraviésalo.

¿Por qué debería aprender programación de Python?

¿Cuáles son los mejores sitios de aprendizaje para Python?

¿Cómo puedo mejorar mis habilidades de Python?

¿Por qué los científicos de datos prefieren Python?

Answer 11

Hay muchos campos o sucursales en la IA, la IA está muy en el extranjero, pero para entrar en la IA debe comenzar desde lo básico. Aquí hay algunos de los temas que necesita para obtener conocimiento.

• Conocer sobre ramas, enfoques y aplicaciones de la IA.
• Aprende sobre la prueba de Turing.
• Aprender la estructura de un agente artificial.
• Aprender el marco general de problemas de búsqueda de espacio de estado.
• Aprende un problema de IA como un problema de búsqueda.
• Aprender sobre estrategias de búsqueda informadas y no informadas.
• Aplicar varias estrategias de búsqueda no informadas en la resolución de problemas.
• Aplicar estrategias de búsqueda informadas (basadas en heurística) en la resolución de problemas.
• Aplique algoritmos de búsqueda local, incluida la escalada de colinas en la resolución de problemas.
• Usa la lógica proposicional para representar el conocimiento.
• Usa la lógica del predicado para representar el conocimiento.
• Diferenciar entre lógica proposicional y predicada.
• Aprende la unificación, la inferencia y la resolución en la lógica de primer orden.
• Aprender el marco general de un sistema experto.
• Distinguir entre sistemas expertos basados ​​en casos y basados ​​en reglas.
• Utilice los algoritmos de planificación hacia adelante y hacia atrás en la resolución de problemas.
• Aplicar estrategias de planificación adecuadas en entornos de agente único y multiagente.
• Aprender razonamiento probabilístico y lógico.
• Distinguir entre aprendizaje supervisado, no supervisado y de refuerzo.
• Aprenda cómo se utiliza la computación evolutiva en la resolución de problemas y la optimización.
• Aprenda cómo se pueden usar las computadoras para procesar lenguajes naturales, por ejemplo, inglés.
• Aprende las habilidades en programación lógica, particularmente en Prolog o cualquier otro lenguaje de IA.
• Aprende la cláusula de la bocina.
• Aprenda la unificación de variables y la creación de instancias en Prolog o en cualquier otro idioma de AL.
• Aprende cómo se pueden usar los cortes para controlar el retroceso en Prolog o en cualquier otro idioma de AI.
• Identifique algunas de las áreas de aplicación interesadas en AI para continuar.

Aquí hay una referencia a un maravilloso libro de IA que le proporciona todas las cosas necesarias para aprender sobre la IA.

Inteligencia artificial: un enfoque moderno (3ª edición): Stuart Russell, Peter Norvig: 8601419506989: Amazon.com: Libros

La portada del libro.

Answer 12

¡Hola!

No tengo ningún conocimiento de informática, pero en las últimas semanas, la imagen de la IA se hizo mucho más clara para mí. Así es como lo hice:

La principal fuente de conocimiento fue Medio, busque y busque artículos relacionados con Inteligencia Artificial / Aprendizaje Automático, y tómese el tiempo para leerlos con atención. Si no puedes concentrarte, déjalo, no pierdas el tiempo.

También mucha gente recomendó el curso de Andrew Ng en Coursera sobre Aprendizaje automático.

Comencé a seguir a personas reconocidas en CS / AI / ML en Twitter, a veces entender la mitad de las cosas técnicas todavía ayuda.

Sea curioso, lea, lea, lea y hable con personas que saben más que usted.

¡Buena suerte! 🙂

Answer 13

En primer lugar, la inteligencia artificial es algo que es sumamente difícil y la gente pasa años aprendiendo inteligencia artificial, por lo que el primer paso es asegurarse de que realmente es lo que quieres hacer y de que te apasiona.

Tendrá que aprender sobre informática y familiarizarse con todos los temas básicos e intermedios que le darán una breve introducción a todo. Ten en cuenta que vas a tener que adoptar una programación que, tal vez, debería ser algo como C, C ++, Python o Java, debes seleccionarlos e investigarlos y encontrar el que más te guste. ¡Tendrá que ser extremadamente bueno y cómodo con el idioma o los idiomas que elija!

En tercer lugar, tendrá que ver videos en AI, leer libros sobre él en niveles básicos, construyendo su camino paso a paso. Cada uno le dará consejos sobre dónde comenzar, cómo comenzar y los problemas que encontrará y cómo superarlos.

Finalmente, repetiré este punto ya que es super importante. Aprender inteligencia artificial no es algo que puedes hacer solo como un hobbie que necesitas para estar completamente invertido

Answer 14

Te sugiero que comiences por aprender programación (recomendaría un conocimiento práctico en Python, C y Lisp, para que puedas entender la mayoría de las cosas que se escriben). También recomendaría leer los clásicos, tal vez comenzando con el artículo de Turing de 1950, los libros de Minsky (¡con cuidado, para no envenenar su mente con el lógicismo prematuro y la teoría de la computación!) Hofstadter, Newell, Simon, etc. Pero, en general, es una es una buena idea leer todo lo que puedas conseguir y no dejar de leer. Muchas de las mejores ideas han sido publicadas como Ciencia Ficción, por cierto, y recomendaría especialmente a Stanislav Lem, Greg Egan, Vernor Vinge, William Gibson, Neal Stephenson, Charly Stross.

Para obtener un conocimiento práctico sobre los métodos básicos en IA, es una buena idea trabajar con un libro de texto clásico como Russell / Norvig.

En algún momento después de eso, querrá especializarse y concentrarse en áreas particulares de investigación, como el aprendizaje profundo, las arquitecturas cognitivas, la representación del conocimiento o los dominios de aplicación.

Answer 15

Va a ser una curva de aprendizaje bastante pero puedes hacerlo.

Primero, aprende Python.

Es el estándar de oro para la construcción de modelos en el espacio aplicado.

Aquí hay un curso gratuito para comenzar:

Las 5 mejores bibliotecas de aprendizaje automático en Python – Udemy

En Python no solo aprendes el proceso de construcción del modelo. Ese es un error fatal que muchos novatos cometen.

Aprende a masajear los dos tipos de datos. Se llama disputa de datos en el mundo ML.

Estructurado – datos en una base de datos

No estructurado – datos que se sientan en un sistema de archivos.

Incluso podría recomendar una maestría. No puedo decir que soy un gran fan de ellos, pero obtendrás los antecedentes básicos además de alguna teoría.

Haga una búsqueda de empleo y observe qué buscan las empresas específicas para Ingenieros de Aprendizaje Automático.

Answer 16

1. Necesitarás programación básica para entender algunos cursos. Especialmente los prácticos. Consulte los cursos de programación básica, digamos programación de Python, en http://www.coursera.org . Alternativamente, puede consultar los cursos de SoloLearn que también se ofrecen en dispositivos móviles. En una semana, entenderás de qué se trata la programación.

2. Para ML, recomendaría altamente el curso del Prof. Andrew Ng sobre Introducción al aprendizaje automático, nuevamente disponible a través de coursera. Necesitará algunos conceptos básicos sobre el cálculo; especialmente, entienda qué son los gradientes, cómo encontrar mínimos a través del gradiente, etc.

41 es una gran edad para aprender porque ya sabes todos los caminos equivocados y, por lo tanto, aprenderías mucho mejor. ¡Buena suerte!

Answer 17

Para saber qué es la Inteligencia Artificial, me gustaría recomendarle una variedad de cursos proporcionados por edX.

Usa el enlace de abajo y regístrate para comenzar. El curso es GRATIS ahora mismo.

Su curicullum AI consta de 4 programas:

Inteligencia Artificial (IA)

Aprendizaje automático

Robótica

Animación y movimiento CGI

Todos los programas son gratis para probar y vienen con la opción de recibir un certificado o credencial verificado de la Universidad de Columbia por un cargo adicional de entre $ 99 y $ 299.

Y no olvide SUSCRIBIRSE – Hacia AI para las últimas noticias y actualizaciones sobre Inteligencia Artificial.

Answer 18

Comencé resolviendo ecuaciones diferenciales ordinarias utilizando el método de Eulers y los solucionadores de Runge Kutta. Básicamente, al resolver ecuaciones diferenciales, estas normalmente surgen naturalmente cuando se modelan sistemas de ingeniería como flujo de fluidos, transferencia de calor, flexión de vigas, aplicación de cargas distribuidas en vigas en voladizo, etc. Comencé por resolver ecuaciones diferenciales y eso lleva a la siguiente.

Answer 19

Comience con el curso gratuito de Google Deep Learning | Udacity a través de Udacity.

También puedes estudiar la Coursera de la superestrella Andrew Ng Neural Networks y Deep Learning | Coursera – como principiantes.

Espero que esto sea útil.

Answer 20

El conocimiento básico de la informática es obligatorio. El conocimiento de las matemáticas, las lenguas es un plus.

La inteligencia artificial es enorme Las redes neuronales no son el único tipo de IA. A la antigua usanza, hay al menos tres tipos de IA, como el simbolismo, el conexionismo y el conductismo. Este aspecto de la clasificación puede ser obsoleto porque los algoritmos modernos usualmente tienen esos dos o todos los bienes.