開始學習人工智慧 (AI) 程式設計的 6 個步驟

人工智慧或機器智慧 - AI 是電腦科學的一個分支。人工智慧是由人類編程的智能，其目標是幫助電腦像人類一樣自動化智能行為。讓我們透過以下6個步驟開始學習人工智慧吧！

第 1 步：了解 Python 和SQL

你要做的主要事情是學習程式語言。雖然實際上有很多語言可以開始，但Python是最好的選擇，因為它的庫更適合機器學習。

您可以參考以下連結：

• scikit-learn 中的文本機器學習 (PyCon 2016)
• 使用 scikit-learn 在 Python 中進行機器學習
• 使用 Python 進行機器學習
• 機器學習第 1 部分 | SciPy 2016 教程

第 2 步：透過以下部分課程學習人工智慧

人工智慧：史丹佛大學的原理和技術- 一個優秀的教育項目，適合那些因更加熟悉人工智慧而受到啟發的學者。該課程重點關注基本的人工智慧標準。

CS405：人工智慧：人工智慧 (AI) 領域簡介。有關人工智慧程式設計、邏輯、搜尋、遊戲、機器學習、自然語言理解和機器人技術的材料向學生介紹人工智慧方法、工具和技術，以及計算問題的應用和人工智慧的作用。

edx.org 人工智慧課程：本課程提供人工智慧 (AI) 的基礎知識以及如何應用它們。設計智慧代理來解決現實世界的問題，包括搜尋、遊戲、機器學習、邏輯和問題限制。

麻省理工學院的人工智慧課程：本課程向學生介紹人工智慧的基礎、問題解決和學習方法。完成本課程後，學生將能夠透過應用特定計算問題的解決方案來開發智慧系統；了解知識編程、問題解決和學習在智慧工程系統中的作用。本課程從計算的角度探討了問題解決、視覺和語言在理解人類智慧中的作用。

學習 AI 基礎知識- 這個線上課程分為 10 節課，幫助學生更好地了解 AI 世界。要理解它，請確保您擁有一些基於直接變數的數學和可能性假設的必要資訊。你應該學會記住最終目標，提前做好準備。

柏克萊視訊講師：課程包括視訊講座。

以上是 6 門人工智慧課程的初學者和進階。希望它們對您有用。

第三步：學習機率論、統計學和數學的基礎知識

您可以參考以下連結：

• 線性代數 - 線性代數 - MIT 18.06 線性代數，作者：Gilbert Strang（參考連結：https://www.youtube.com/watch? list=PLE7DDD91010BC51F8&v=ZK3O402wf1c ）
• 機率與統計 - MIT 6.041 機率係數分析與應用機率，作者：John Tsitsiklis（參考連結：https://www.youtube.com/watch ?list=PLUl4u3cNGP61MdtwGTqZA0MreSaDybji8&v=j9WZyLZCBzs ）
• 微積分（參考連結：http://kisonecat.com/teaching/2013/calculus-one/）
• 多元微積分（參考連結：http://kisonecat.com/teaching/2014/m2o2c2/）
• 圖論（參考連結：https://class.coursera.org/pgm-003）
• 優化方法（參考連結： https: //online.stanford.edu/courses）

第四步：看書

• http://aima.cs.berkeley.edu/
• 人工智慧：一種現代方法，作者：Stuart J. Russell 和 Peter Norvig
• http://wps.aw.com/wps/media/objects/5771/5909832/PDF/Luger_0136070477_1.pdf
• 《人工智慧的探索》作者：Nils J. Nilsson（參考連結：http://ai.stanford.edu/~nilsson/QAI/qai.pdf）
• 實用人工智慧：Mark Watson 的 Java 程式設計（參考連結： https: //www.saylor.org/site/wp-content/uploads/2011/11/CS405-1.1-WATSON.pdf）
• https://grey.colorado.edu/CompCogNeuro/index.php/CCNBook/Main
• 簡單邏輯：Peter Flach 的智慧推理實例（參考連結： https: //www.cs.bris.ac.uk/~flach/SL/SL.pdf）
• AI革命：超級智慧之路（參考連結：https://waitbutwhy.com/2015/01/artificial-intelligence-revolution-1.html）
• http://psych.colorado.edu/~oreilly/comp_ex_cog_neuro.html

第五步：練習

一旦您完全了解了您喜歡的程式語言並對基礎知識進​​行了足夠的練習，您就應該開始學習更多有關機器學習的知識。在 Python 中，開始學習 Scikit-learn、NLTK、SciPy、PyBrain 和 Numpy 函式庫，這些函式庫在編寫機器學習演算法時非常有價值。

從網站練習一些 Scikit 練習：

http://scikit-learn.org/和https://www.edx.org/course/artificial-intelligence-ai-columbiax-csmm-101x-0（用於Python 練習）。

這裡也總結了學習和磨練機器學習的資源：

• 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-an-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/

第六步：練習－學習－練習自己

按照這個順序，一步一步，你就會慢慢成為AI程式設計師。

完成所有 6 個步驟後，您就可以自信地開始使用 AI/ML。祝你好運！

看更多：

• 人工智慧 (AI)、認證線上課程
• 免費線上人工智慧課程合集
• 在 Google 網站上完全免費在線了解人工智慧和機器學習