인공 지능 또는 기계 지능 - AI는 컴퓨터 과학의 한 분야입니다. AI는 컴퓨터가 인간과 같은 지능적인 행동을 자동화하도록 돕는 것을 목표로 인간이 프로그래밍한 지능입니다. 인공지능 학습을 시작하려면 다음 6단계를 배워보세요!
1단계: Python 및 SQL 에 대해 알아보기
당신이 해야 할 가장 중요한 일은 프로그래밍 언어를 배우는 것입니다. 실제로 시작할 수 있는 언어는 많지만 Python의 라이브러리가 기계 학습에 더 적합하기 때문에 Python이 최선의 선택입니다.
아래 링크를 참조할 수 있습니다:
- scikit-learn에서 텍스트를 사용한 머신러닝(PyCon 2016)
- scikit-learn을 사용한 Python의 머신러닝
- Python을 사용한 머신러닝
- 머신러닝 1부 | SciPy 2016 튜토리얼

2단계: 아래 강좌 중 일부를 통해 인공 지능 배우기
인공 지능: 스탠포드의 원리와 기술 - AI에 더 익숙해지면서 영감을 받은 학자들을 위한 훌륭한 교육 프로그램입니다. 이 과정은 기본 AI 표준에 중점을 둡니다.
CS405: 인공 지능 : 인공 지능(AI) 분야에 대한 소개입니다. AI 프로그래밍, 논리, 검색, 게임, 기계 학습, 자연어 이해 및 로봇공학에 관한 자료는 학생들에게 AI 방법, 도구 및 기술을 소개하며 계산 문제 및 AI 역할에 대한 적용도 제공합니다.
edx.org AI 강좌 : 이 강좌에서는 인공지능(AI)의 기초와 이를 적용하는 방법을 제공합니다. 검색, 게임, 기계 학습, 논리, 문제 제약 조건 등 실제 문제를 해결하기 위한 지능형 에이전트를 설계합니다.
MIT AI 강좌 : 이 강좌에서는 학생들에게 인공지능의 기초, 문제 해결, 학습 방법을 소개합니다. 이 과정을 마친 후 학생들은 특정 계산 문제에 대한 솔루션을 적용하여 지능형 시스템을 개발할 수 있습니다. 지능형 엔지니어링 시스템에서 지식 프로그래밍, 문제 해결 및 학습의 역할을 이해합니다. 이 과정에서는 컴퓨팅 관점에서 인간 지능을 이해하는 데 있어서 문제 해결, 비전 및 언어의 역할을 높이 평가합니다.
AI의 기초 알아보기 - 10개의 강의로 구성된 이 온라인 코스는 학생들이 AI 세계를 더 잘 이해하도록 돕습니다. 이를 이해하려면 직접 변수 기반 수학과 가능성 가설에 대한 필요한 정보가 있는지 확인하십시오. 미리 준비하려면 최종 목표를 기억하는 법을 배워야 합니다.
버클리 비디오 강의 : 코스에는 비디오 강의가 포함됩니다.
위에는 초보자와 고급자를 위한 상위 6개 인공지능 강좌가 있습니다. 이것이 당신에게 도움이 되기를 바랍니다.
3단계: 확률 이론, 통계, 수학의 기초를 배웁니다.
아래 링크를 참조할 수 있습니다:
- 선형 대수학 - 선형 대수학 - Gilbert Strang의 MIT 18.06 선형 대수학(참조 링크: https://www.youtube.com/watch?list=PLE7DDD91010BC51F8&v=ZK3O402wf1c )
- 확률 및 통계 - MIT 6.041 John Tsitsiklis의 확률 계수 분석 및 적용 확률(참조 링크: https://www.youtube.com/watch?list=PLUl4u3cNGP61MdtwGTqZA0MreSaDybji8&v=j9WZyLZCBzs )
- 미적분학 (참고링크: http://kisonecat.com/teaching/2013/calculus-one/ )
- 다변량 미적분학 (참고링크: http://kisonecat.com/teaching/2014/m2o2c2/ )
- 그래프 이론 (참고링크: https://class.coursera.org/pgm-003 )
- 최적화 방법(참조 링크: https://online.stanford.edu/courses )
4단계: 책 읽기
- http://aima.cs.berkeley.edu/
- 인공 지능: 현대적인 접근 방식, Stuart J. Russell 및 Peter Norvig 저
- http://wps.aw.com/wps/media/objects/5771/5909832/PDF/Luger_0136070477_1.pdf
- Nils J. Nilsson의 인공 지능 탐구(참조 링크: http://ai.stanford.edu/~nilsson/QAI/qai.pdf )
- 실용적인 인공 지능: Mark Watson의 Java 프로그래밍(참조 링크: https://www.saylor.org/site/wp-content/uploads/2011/11/CS405-1.1-WATSON.pdf )
- https://grey.colorado.edu/CompCogNeuro/index.php/CCNBook/Main
- Simply Logical: Peter Flach의 예를 통한 지능적 추론(참조 링크: https://www.cs.bris.ac.uk/~flach/SL/SL.pdf )
- AI 혁명: 초지능으로 가는 길 (참조 링크: https://waitbutwhy.com/2015/01/artificial-intelligence-revolution-1.html )
- http://psych.colorado.edu/~oreilly/comp_ex_cog_neuro.html
5단계: 연습
선호하는 프로그래밍 언어를 완전히 이해하고 필수 사항에 대한 충분한 연습을 마친 후에는 기계 학습에 대해 더 많이 배우기 시작해야 합니다. Python에서 기계 학습 알고리즘을 구성하는 동안 유용한 Scikit-learn, NLTK, SciPy, PyBrain 및 Numpy 라이브러리를 배우기 시작하세요.
웹사이트에서 Scikit 연습을 연습해 보세요:
http://scikit-learn.org/ 및 https://www.edx.org/course/artificial-intelligence-ai-columbiax-csmm-101x-0 ( Python 연습용 )
또한 다음은 기계 학습을 배우고 연마하는 데 필요한 리소스 요약입니다.
- http://www.r2d3.us/visual-intro-to-machine-learning-part-1/
- https://www.coursera.org/learn/machine-learning
- https://www.cs.cmu.edu/~tom/10701_sp11/lectures.shtml
- 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
- https://ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-034-artificial-intelligence-fall-2010/
6단계: 연습 - 학습 - 스스로 연습
이 과정을 통해 단계별로 당신은 천천히 AI 프로그래머가 될 것입니다.
6단계가 모두 완료되면 AI/ML을 자신있게 시작할 수 있습니다. 행운을 빌어요!
더보기:

