Para una persona muy interesada en la IA y la Máquina que aprende pero que no tiene conocimientos previos, ¿cómo recomienda construir una base de aprendizaje para ella?

Answer 1

Prerrequisitos

Si ya entiendes el álgebra lineal, el cálculo multivariado y tienes un conocimiento básico de las estadísticas, puedes acceder directamente a él con conferencias gratuitas en línea. Es posible que algunas partes necesiten un conocimiento matemático más profundo, pero puedes aprender la mayor parte a medida que avanzas. También se necesitan habilidades de programación rudimentaria, python es un lenguaje fácil y bueno para el aprendizaje automático.

Conferencias

Para una amplia introducción al aprendizaje automático, recomendaría las conferencias de Andrew Ng.

Para las redes neuronales, las conferencias de Geoffrey Hinton sobre coursea son excelentes. Las conferencias de Hugo Larochelle en youtube también son buenas, da una breve introducción al aprendizaje profundo al final.

Para un curso completo sobre aprendizaje profundo, Nando de Freitas y Andrej Karpathy tienen grandes conferencias. El curso de Andrej Karpahty se centra en las redes convolucionales y el reconocimiento de imágenes.

Para la IA convencional, UC Berkeley tiene un curso sobre edX que es una buena introducción.

Libros:

Introducción al aprendizaje automático: una introducción al aprendizaje estadístico, Gareth James

Más teoría: Reconocimiento de patrones y aprendizaje automático, Christopher Bishop

Redes neuronales: Fundamentos de redes neuronales, Laurene Fausett

Aprendizaje profundo: Yoshua Bengo está escribiendo un buen libro, puedes leer un borrador en línea

AI convencional: la inteligencia artificial: un enfoque moderno

Answer 2

Si desea sumergir sus dedos de los pies en la inteligencia artificial desde la perspectiva de un lego, le recomiendo que lea el GEB de Douglas Hofstaedter. Es un montón de diversión para leer, y brinda una excelente visión general (aunque aún rigurosa en algunas partes) de muchas preguntas y conceptos importantes en IA. A pesar de que está un poco desactualizado, la mayoría de los conceptos son generales y no demasiado técnicos, por lo que la carne del libro aún se mantiene.

Después de eso, asumiendo que ya sabe cómo programar (y si no, ya hay muchos recursos para aprender), encuentre un problema que le interese y vea si puede abordarlo (ya sea desde un ángulo trivial para construir su habilidad o, idealmente, tomando una idea establecida y probando un nuevo ángulo). Si desea un enfoque simple, Python y nltk con un raspador web son excelentes para experimentar con el procesamiento semántico (mi interés). Si está particularmente interesado en el aprendizaje automático, busque una biblioteca que funcione para usted (o cree la suya propia) y simplemente vaya por ella.

Hoy en día, el aprendizaje automático es básicamente sinónimo de redes neuronales (lo que Google, Baidu y Microsoft usan como sus principales esfuerzos de inteligencia artificial), pero hay muchos otros enfoques para la inteligencia artificial que tienen un mérito similar, y que la lectura de libros generales de inteligencia artificial como GEB puede ayudar. exponerte a En particular, si está realmente enfocado en el aprendizaje automático, algunas palabras de moda que puede conectar a Google para comenzar son Neural Networks, Perceptron (una red neuronal temprana), y tal vez incluso lógica difusa.

(Ver una buena escuela de CS como Berkley o el currículo de AI de CMU también puede darle una idea de qué aspectos y enfoques de AI le interesan). Honestamente, no hay una manera segura de comenzar: incluso los expertos en el campo todavía están resolviendo las cosas. Mi mejor consejo es simplemente familiarizarse con los conceptos básicos y seguir sus intereses para encontrar lo que lo mantendrá interesado y motivado para aprender más.