6 ขั้นตอนในการเริ่มเรียนรู้การเขียนโปรแกรมปัญญาประดิษฐ์ (AI)

ปัญญาประดิษฐ์หรือปัญญาประดิษฐ์ของเครื่องจักร - AI เป็นสาขาหนึ่งของวิทยาการคอมพิวเตอร์ AI คือความฉลาดที่มนุษย์ตั้งโปรแกรมไว้โดยมีเป้าหมายเพื่อช่วยให้คอมพิวเตอร์สร้างพฤติกรรมอัจฉริยะเช่นเดียวกับมนุษย์ได้โดยอัตโนมัติ มาเรียนรู้ 6 ขั้นตอนต่อไปนี้เพื่อเริ่มเรียนรู้เกี่ยวกับปัญญาประดิษฐ์!

ขั้นตอนที่ 1: เรียนรู้เกี่ยวกับ Python และSQL

สิ่งสำคัญที่คุณต้องทำคือการเรียนรู้ภาษาการเขียนโปรแกรม แม้ว่าจริงๆ แล้วจะมีหลายภาษาที่คุณสามารถเริ่มต้นได้ แต่Pythonก็เป็นตัวเลือกที่ดีที่สุดเพราะไลบรารีของมันเหมาะสำหรับ Machine Learning มากกว่า

คุณสามารถดูลิงค์ด้านล่าง:

• การเรียนรู้ของเครื่องพร้อมข้อความใน scikit-learn (PyCon 2016)
• การเรียนรู้ของเครื่องใน Python ด้วย scikit-learn
• การเรียนรู้ของเครื่องด้วย Python
• การเรียนรู้ของเครื่องตอนที่ 1 | บทช่วยสอน SciPy 2016

ขั้นตอนที่ 2: เรียนรู้ปัญญาประดิษฐ์จากบางหลักสูตรด้านล่าง

ปัญญาประดิษฐ์: หลักการและเทคนิคจากมหาวิทยาลัยสแตนฟอร์ด - โปรแกรมการศึกษาที่ยอดเยี่ยมสำหรับนักวิชาการที่ได้รับแรงบันดาลใจจากการทำความคุ้นเคยกับ AI มากขึ้น หลักสูตรนี้มุ่งเน้นไปที่มาตรฐาน AI ขั้นพื้นฐาน

CS405: ปัญญาประดิษฐ์ : ความรู้เบื้องต้นเกี่ยวกับปัญญาประดิษฐ์ (AI) เนื้อหาเกี่ยวกับการเขียนโปรแกรม AI ตรรกะ การค้นหา เกม การเรียนรู้ของเครื่อง การทำความเข้าใจภาษาธรรมชาติ และหุ่นยนต์ แนะนำให้นักเรียนรู้จักกับวิธีการ เครื่องมือ และเทคนิคของ AI พร้อมการประยุกต์ใช้กับปัญหาทางคอมพิวเตอร์และบทบาทของ AI

หลักสูตร edx.org เกี่ยวกับ AI : หลักสูตรนี้ให้ความรู้พื้นฐานของปัญญาประดิษฐ์ (AI) และวิธีการนำไปใช้ ออกแบบตัวแทนอัจฉริยะเพื่อแก้ไขปัญหาในโลกแห่งความเป็นจริง รวมถึงการค้นหา เกม การเรียนรู้ของเครื่อง ตรรกะ และข้อจำกัดของปัญหา

หลักสูตร AI ของ MIT : หลักสูตรนี้แนะนำนักเรียนเกี่ยวกับพื้นฐาน การแก้ปัญหา และวิธีการเรียนรู้เกี่ยวกับปัญญาประดิษฐ์ หลังจากจบหลักสูตรนี้แล้ว นักเรียนจะสามารถพัฒนาระบบอัจฉริยะโดยการประยุกต์ใช้วิธีแก้ไขปัญหาทางคอมพิวเตอร์เฉพาะ เข้าใจบทบาทของการเขียนโปรแกรมความรู้ การแก้ปัญหา และการเรียนรู้ในระบบวิศวกรรมอัจฉริยะ หลักสูตรนี้ชื่นชมบทบาทของการแก้ปัญหา วิสัยทัศน์ และภาษาในการทำความเข้าใจความฉลาดของมนุษย์จากมุมมองของการคำนวณ

เรียนรู้พื้นฐานของ AI - หลักสูตรออนไลน์นี้แบ่งออกเป็น 10 บทเรียน ช่วยให้นักเรียนเข้าใจจักรวาล AI ได้ดีขึ้น เพื่อให้เข้าใจได้ คุณต้องมีข้อมูลที่จำเป็นเกี่ยวกับคณิตศาสตร์ที่อิงตามตัวแปรโดยตรงและสมมติฐานความเป็นไปได้ คุณควรเรียนรู้ที่จะจำเป้าหมายสุดท้ายเพื่อเตรียมตัวล่วงหน้า

Berkeley Video Lecturers : หลักสูตรประกอบด้วยวิดีโอบรรยาย

ข้างต้นคือหลักสูตรปัญญาประดิษฐ์ 6 อันดับแรกสำหรับผู้เริ่มต้นและระดับสูง หวังว่าพวกเขาจะเป็นประโยชน์กับคุณ

ขั้นตอนที่ 3: เรียนรู้พื้นฐานของทฤษฎีความน่าจะเป็น สถิติ และคณิตศาสตร์

คุณสามารถดูลิงค์ด้านล่าง:

• พีชคณิตเชิงเส้น - พีชคณิตเชิงเส้น - MIT 18.06 พีชคณิตเชิงเส้นโดย Gilbert Strang (ลิงก์อ้างอิง: https://www.youtube.com/watch?list=PLE7DDD91010BC51F8&v=ZK3O402wf1c )
• ความน่าจะเป็นและสถิติ - MIT 6.041 การวิเคราะห์ค่าสัมประสิทธิ์ความน่าจะเป็นและความน่าจะเป็นประยุกต์โดย John Tsitsiklis (ลิงก์อ้างอิง: https://www.youtube.com/watch?list=PLUl4u3cNGP61MdtwGTqZA0MreSaDybji8&v=j9WZyLZCBzs )
• แคลคูลัส (ลิงก์อ้างอิง: http://kisonecat.com/teaching/2013/calculus-one/ )
• แคลคูลัสหลายตัวแปร (ลิงก์อ้างอิง: http://kisonecat.com/teaching/2014/m2o2c2/ )
• ทฤษฎีกราฟ (ลิงก์อ้างอิง: https://class.coursera.org/pgm-003 )
• วิธีการเพิ่มประสิทธิภาพ (ลิงก์อ้างอิง: https://online.stanford.edu/courses )

ขั้นตอนที่ 4: อ่านหนังสือ

• http://aima.cs.berkeley.edu/
• ปัญญาประดิษฐ์: แนวทางสมัยใหม่ โดย Stuart J. Russell และ Peter Norvig
• http://wps.aw.com/wps/media/objects/5771/5909832/PDF/Luger_0136070477_1.pdf
• The Quest for Artificial Intelligence โดย Nils J. Nilsson (ลิงก์อ้างอิง: http://ai.stanford.edu/~nilsson/QAI/qai.pdf )
• ปัญญาประดิษฐ์เชิงปฏิบัติ: การเขียนโปรแกรมใน Java โดย Mark Watson (ลิงก์อ้างอิง: 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: การใช้เหตุผลอย่างชาญฉลาดโดยตัวอย่างโดย Peter Flach (ลิงก์อ้างอิง: https://www.cs.bris.ac.uk/~flach/SL/SL.pdf )
• The AI ​​Revolution: Road to Superintelligence (ลิงก์อ้างอิง: https://waitbutwhy.com/2015/01/artificial-intelligence-revolution-1.html )
• http://psych.colorado.edu/~oreilly/comp_ex_cog_neuro.html

ขั้นตอนที่ 5: ฝึกฝน

เมื่อคุณมีความเข้าใจอย่างสมบูรณ์เกี่ยวกับภาษาการเขียนโปรแกรมที่คุณต้องการและฝึกฝนสิ่งที่จำเป็นมากพอแล้ว คุณควรเริ่มเรียนรู้เพิ่มเติมเกี่ยวกับ Machine Learning ใน Python ให้เริ่มเรียนรู้ไลบรารี Scikit-learn, NLTK, SciPy, PyBrain และ Numpy ซึ่งจะมีประโยชน์ในขณะที่เขียนอัลกอริธึม Machine Learning

ฝึกฝนแบบฝึกหัด Scikit จากเว็บไซต์:

http://scikit-learn.org/และhttps://www.edx.org/course/artificial-intelligence-ai-columbiax-csmm-101x-0 (สำหรับแบบฝึกหัดฝึกหัดใน Python )

นอกจากนี้ นี่คือบทสรุปของแหล่งข้อมูลสำหรับการเรียนรู้และฝึกฝน Machine Learning:

• 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/

ขั้นตอนที่ 6: ฝึกฝน — เรียนรู้ — ฝึกฝนตัวเอง

ด้วยลำดับนี้ ทีละขั้นตอน คุณจะค่อยๆ กลายเป็นโปรแกรมเมอร์ AI

เมื่อเสร็จสิ้นทั้ง 6 ขั้นตอนแล้ว คุณก็สามารถเริ่มต้นใช้งาน AI/ML ได้อย่างมั่นใจ ขอให้โชคดี!

ดูเพิ่มเติม:

• หลักสูตรออนไลน์เกี่ยวกับปัญญาประดิษฐ์ (AI) การรับรอง
• คอลเลกชันหลักสูตร AI ออนไลน์ฟรี
• เรียนรู้ออนไลน์ฟรีเกี่ยวกับ AI และการเรียนรู้ของเครื่องบนเว็บไซต์ของ Google