Como devo começar com inteligência artificial?


Respostas:



5

A IA é bastante grande em escopo e fica na interseção de várias áreas. No entanto, existem alguns campos ou tópicos essenciais que você precisa conhecer

  1. Teoria de conjuntos
  2. Lógica
  3. Álgebra Linear
  4. Cálculo
  5. Probabilidade e estatística

Eu recomendo que você explore primeiro os algoritmos de IA nos quais possa estar interessado. Aconselho que você comece com aprendizado de máquina e aprendizado profundo.

Não se esqueça de um pré-requisito muito importante, a paixão , sem ele você provavelmente está perdendo seu tempo!


4

Eu sugiro que você

  1. comece com o curso Machine Learning de Andrew Ng sobre o Coursera. Ele fornece uma breve introdução à matemática necessária para o aprendizado de máquina. Embora não esteja completo, será suficiente fazer um cruzeiro pelo percurso.
  2. Em seguida, aprenda com cuidado a regressão logística no curso. A função sigmóide será amplamente utilizada em redes neurais.
  3. No curso, ele apresentará as redes neurais e a minimização de erros usando propagação de retorno. A propagação traseira usará a técnica de otimização chamada Gradient Descent. É um tópico muito importante.
  4. Depois de concluir as etapas acima, experimente o curso de redes neurais de Geoff Hinton no Coursera.

Se você quer se aprofundar em matemática. Tente esse:

  • Álgebra linear - Gilbert Strang
  • probabilidade - academia khan

Também gostaria de sugerir um dos melhores livros para o aprendizado profundo: o aprendizado profundo de Ian Goodfellow e Yoshua Bengio e Aaron Courville. http://www.deeplearningbook.org/


2

A inteligência artificial é um campo muito amplo e, portanto, as coisas mudarão de acordo.

Alguns pré-requisitos: (Sendo um estudante de CS, você deveria cumpri-los)

  • Sólidos conhecimentos de algoritmos e estruturas de dados. Essa habilidade será útil para resolver problemas que exigem o uso de poda alfa-beta, algoritmo minimax etc.
  • Conhecimento básico de linguagens de programação como Java, Python. O Python ajudará, pois se concentra mais na parte do desenvolvimento. Para mais informações, leia isto . O conhecimento do LISP será muito útil. Passe por esta resposta .

O livro Inteligência Artificial: Uma Abordagem Moderna (de Stuart J. Russell e Peter Norvig) é considerado a Bíblia da IA. Eu recomendo fortemente que você leia o livro completo e resolva os exercícios. Você pode encontrar o pdf do livro aqui . Para o manual da solução, visite este link . Será melhor comprar uma cópia impressa do livro.

O conhecimento da teoria computacional o ajudará muito. Especialmente quando você trabalha na área de Processamento de linguagem natural. Outros subcampos da IA ​​que podem interessar você são Aprendizado de Máquina, Computação Evolutiva, Algoritmos Genéticos, Aprendizado por Reforço, Aprendizado Profundo etc. A lista continua.
Melhor seu conhecimento em Estatística, melhor será para Inteligência Artificial. Fique atento aos acontecimentos recentes em campo por meio de fóruns, sites, etc. O site Open AI também é uma fonte muito boa.


1

Além da resposta de Maheshwar, quando você sentir que deseja experimentar um aprendizado de máquina mais prático, eu começaria com Weka . O software é gratuito e eficaz, possui um bom manual e exercícios relevantes e há muitos vídeos gratuitos disponíveis no Youtube!


1

Para complementar as outras respostas:

Eu recomendo que você faça o curso de Inteligência Artificial do micromaster AI fornecido pela Columbia na edx.

O curso cobre uma ampla gama de problemas de IA e o mais importante é que você fornece uma estrutura geral para pensar com uma mistura de aplicativos em python. Baseado no livro de Inteligência Artificial: Uma Abordagem Moderna de Peter Norvig e Stuart Russell

Da perspectiva do aprendizado de máquina, como disse gokul , o curso de aprendizado de máquina de Andrew Ng. on coursera é um bom curso introdutório e muito orientado para um profissional em potencial.

Eu achei útil combinar o estudo de alguns algoritmos de aprendizado de máquina com a linguagem de programação estatística R para experimentar muitos algoritmos para entender os conceitos. Úteis os seguintes livros: Elementos de Aprendizagem Estatística e Introdução à Aprendizagem Estatística , ambos estão disponíveis gratuitamente nos sites dos autores.


0
Ao utilizar nosso site, você reconhece que leu e compreendeu nossa Política de Cookies e nossa Política de Privacidade.
Licensed under cc by-sa 3.0 with attribution required.