6 langkah untuk mula belajar pengaturcaraan kecerdasan buatan (AI).

Kepintaran buatan atau Kepintaran mesin - AI ialah cabang sains komputer. AI ialah kecerdasan yang diprogramkan oleh manusia dengan matlamat untuk membantu komputer mengautomasikan tingkah laku pintar seperti manusia. Mari belajar 6 langkah berikut untuk mula belajar tentang kecerdasan buatan!

Langkah 1: Ketahui tentang Python dan SQL

Perkara utama yang perlu anda lakukan ialah mempelajari bahasa pengaturcaraan. Walaupun sebenarnya terdapat banyak bahasa yang boleh anda mulakan, Python adalah pilihan terbaik kerana perpustakaannya lebih sesuai untuk Pembelajaran Mesin.

Boleh rujuk pautan di bawah:

• Pembelajaran Mesin dengan Teks dalam scikit-learn (PyCon 2016)
• Pembelajaran mesin dalam Python dengan scikit-learn
• Pembelajaran mesin dengan Python
• Pembelajaran Mesin Bahagian 1 | Tutorial SciPy 2016

Langkah 2: Pelajari kecerdasan buatan daripada beberapa kursus di bawah

Kecerdasan Buatan: Prinsip dan Teknik dari Stanford - Program pendidikan yang sangat baik untuk cendekiawan yang diilhamkan dengan menjadi lebih akrab dengan AI. Kursus ini memberi tumpuan kepada standard AI asas.

CS405: KECERDASAN TIRUAN : Pengenalan kepada bidang kecerdasan buatan (AI). Bahan tentang pengaturcaraan AI, logik, carian, permainan, pembelajaran mesin, pemahaman bahasa semula jadi dan robotik memperkenalkan pelajar kepada kaedah, alatan dan teknik AI, dengan aplikasi kepada masalah pengiraan dan peranan AI.

kursus edx.org tentang AI : Kursus ini menyediakan asas Kepintaran Buatan (AI) dan cara mengaplikasikannya. Mereka bentuk ejen pintar untuk menyelesaikan masalah dunia sebenar termasuk carian, permainan, pembelajaran mesin, logik dan kekangan pada masalah.

Kursus MIT tentang AI : Kursus ini memperkenalkan pelajar kepada asas, penyelesaian masalah, dan kaedah pembelajaran kecerdasan buatan. Selepas menamatkan kursus ini, pelajar akan dapat membangunkan sistem pintar dengan menggunakan penyelesaian kepada masalah pengiraan tertentu; memahami peranan pengaturcaraan pengetahuan, penyelesaian masalah dan pembelajaran dalam sistem kejuruteraan pintar. Kursus ini menghargai peranan penyelesaian masalah, penglihatan dan bahasa dalam memahami kecerdasan manusia dari perspektif pengiraan.

Pelajari Asas AI - Kursus dalam talian ini, dibahagikan kepada 10 pelajaran, membantu pelajar memahami alam semesta AI dengan lebih baik. Untuk memahaminya, pastikan anda mempunyai beberapa maklumat yang diperlukan tentang matematik berasaskan pembolehubah langsung dan hipotesis kemungkinan. Anda harus belajar untuk mengingati matlamat akhir untuk menyediakan lebih awal.

Pensyarah Video Berkeley : Kursus termasuk kuliah video.

Di atas ialah 6 kursus kecerdasan buatan terbaik untuk pemula dan lanjutan. Harap mereka akan berguna kepada anda.

Langkah 3: Pelajari asas teori kebarangkalian, statistik dan Matematik

Boleh rujuk pautan di bawah:

• Algebra Linear - Algebra Linear - MIT 18.06 Algebra Linear oleh Gilbert Strang (Pautan rujukan: https://www.youtube.com/watch?list=PLE7DDD91010BC51F8&v=ZK3O402wf1c )
• Kebarangkalian dan Statistik - MIT 6.041 Analisis pekali kebarangkalian dan kebarangkalian digunakan oleh John Tsitsiklis (Pautan rujukan: https://www.youtube.com/watch?list=PLUl4u3cNGP61MdtwGTqZA0MreSaDybji8&v=j9WZyLZCBzs )
• Kalkulus (Pautan rujukan: http://kisonecat.com/teaching/2013/calculus-one/ )
• Kalkulus Multivariate (Pautan rujukan: http://kisonecat.com/teaching/2014/m2o2c2/ )
• Teori graf (Pautan rujukan: https://class.coursera.org/pgm-003 )
• Kaedah pengoptimuman (Pautan rujukan: https://online.stanford.edu/courses )

Langkah 4: Baca buku

• http://aima.cs.berkeley.edu/
• Kecerdasan Buatan: Pendekatan Moden, oleh Stuart J. Russell dan Peter Norvig
• http://wps.aw.com/wps/media/objects/5771/5909832/PDF/Luger_0136070477_1.pdf
• The Quest for Artificial Intelligence oleh Nils J. Nilsson (Pautan rujukan: http://ai.stanford.edu/~nilsson/QAI/qai.pdf )
• Kecerdasan Buatan Praktikal: Pengaturcaraan dalam Java oleh Mark Watson (Pautan rujukan: https://www.saylor.org/site/wp-content/uploads/2011/11/CS405-1.1-WATSON.pdf )
• https://grey.colorado.edu/CompCogNeuro/index.php/CCNBook/Main
• Logik Mudah: Penaakulan Pintar melalui Contoh oleh Peter Flach (Pautan rujukan: https://www.cs.bris.ac.uk/~flach/SL/SL.pdf )
• The AI ​​​​Revolution: Road to Superintelligence (Pautan rujukan: https://waitbutwhy.com/2015/01/artificial-intelligence-revolution-1.html )
• http://psych.colorado.edu/~oreilly/comp_ex_cog_neuro.html

Langkah 5: Berlatih

Sebaik sahaja anda mempunyai pemahaman yang lengkap tentang bahasa pengaturcaraan pilihan anda dan latihan yang mencukupi dengan perkara-perkara penting, anda harus mula mempelajari lebih lanjut tentang Pembelajaran Mesin. Dalam Python, mula belajar perpustakaan Scikit-learn, NLTK, SciPy, PyBrain dan Numpy yang akan menjadi berharga semasa mengarang algoritma Pembelajaran Mesin.

Amalkan beberapa latihan Scikit dari laman web:

http://scikit-learn.org/ dan https://www.edx.org/course/artificial-intelligence-ai-columbiax-csmm-101x-0 (untuk latihan latihan dalam Python ).

Juga di sini ialah ringkasan sumber untuk belajar dan mengasah Pembelajaran Mesin:

• 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/

Langkah 6: Berlatih — Belajar — Berlatih diri sendiri

Dengan urutan ini, langkah demi langkah, anda perlahan-lahan akan menjadi pengaturcara AI.

Setelah semua 6 langkah selesai, anda boleh mula menggunakan AI/ML dengan yakin. Semoga berjaya!

Lihat lagi:

• Kursus dalam talian mengenai kecerdasan buatan (AI), pensijilan
• Koleksi kursus AI dalam talian percuma
• Belajar secara percuma dalam talian tentang AI dan Pembelajaran mesin di tapak web Google