Cómo aprender inteligencia artificial por tu cuenta
Los pasos generales para aprender IA:
(1) comprender algunos conocimientos previos sobre inteligencia artificial;
(2) complementar conocimientos de matemáticas o programación;
(2) complementar conocimientos de matemáticas o programación;
p >
(3) Familiarícese con la biblioteca de herramientas de aprendizaje automático;
(4) Aprenda sistemáticamente conocimientos de IA;
(5) Realice algunas aplicaciones de IA usted mismo;
1 Comprender los conocimientos previos de la inteligencia artificial
Hay muchos conceptos en inteligencia artificial, como aprendizaje automático, aprendizaje profundo, redes neuronales, etc., que hacen que los principiantes sientan que la inteligencia artificial Es misterioso y difícil de entender. Cuando empiece a aprender, sólo necesita conocer el significado general de estos términos. No es necesario profundizar demasiado en ellos. Después de estudiar durante un tiempo, comprenderá naturalmente lo que estos conceptos representan específicamente.
La inteligencia artificial es una materia interdisciplinar, entre las que las matemáticas y la programación informática son los dos aspectos más importantes del aprendizaje de la inteligencia artificial. Estos artículos "Comprensión de la inteligencia artificial" antes de la "Columna de IA de Zhiyun" también le han sido presentados. Los estudiantes que no los hayan leído pueden leerlos.
La siguiente figura muestra la ruta general del aprendizaje de la inteligencia artificial:
2 conocimientos complementarios de matemáticas o programación
Para ingenieros graduados, antes de aprender IA sistemáticamente, Generalmente es necesario añadir algunos conocimientos de matemáticas o programación. Si eres bueno en matemáticas y programación, aprender inteligencia artificial será mucho más fácil.
Muchos estudiantes tienen miedo cuando se trata de matemáticas. Sin embargo, se puede decir que las matemáticas no se pueden pasar por alto cuando se aprende inteligencia artificial. En el nivel inicial, no se necesitan matemáticas demasiado avanzadas, principalmente matemáticas avanzadas, álgebra lineal y teoría de probabilidad. En otras palabras, el conocimiento matemático aprendido en el primer y segundo año es completamente suficiente. Si desea trabajar como ingeniero de aprendizaje automático o dedicarse a la investigación de inteligencia artificial, debe aprender más matemáticas. Ser bueno en matemáticas será una gran ventaja en el trabajo.
Python es muy popular en el campo del aprendizaje automático. Se puede decir que es el lenguaje de programación más utilizado, por lo que también es necesario dominar la programación en Python. Entre muchos lenguajes de programación, Python es relativamente fácil de aprender y usar. Aprender bien Python también será muy beneficioso.
3 Familiarícese con las bibliotecas de herramientas de aprendizaje automático
Hoy en día, las personas implementan inteligencia artificial, principalmente basada en algunas bibliotecas de herramientas de aprendizaje automático, como TensorFlow, PyTorch, etc.
Recomiendo a todos que aprendan PyTorch aquí. PyTorch es muy popular y es una biblioteca de herramientas de aprendizaje automático fácil de usar. Algunas personas comentaron que PyTorch "no puedo decir qué tan bueno es, pero es muy cómodo de usar".
Cuando comience a aprender inteligencia artificial, primero puede ejecutar los ejemplos en el sitio web oficial de la biblioteca de herramientas, como el reconocimiento de escritura a mano MNIST, etc. De esta forma, tendrás una comprensión perceptiva de la inteligencia artificial y eliminarás la extrañeza inicial. Luego puede mirar el código que contiene y encontrará que el programa de la red neuronal no es complicado, pero tendrá muchas preguntas sobre los principios y el entrenamiento de la red neuronal. Esto es bueno, porque estudiar con preguntas es más productivo.
4 Inteligencia artificial de aprendizaje sistemático
La inteligencia artificial aquí se refiere principalmente al aprendizaje automático, porque actualmente la inteligencia artificial se logra principalmente a través del aprendizaje automático.
Hay tres partes principales del conocimiento del aprendizaje automático:
(1) Los algoritmos tradicionales de aprendizaje automático, como árboles de decisión, bosques aleatorios, SVM, etc., se denominan máquinas tradicionales. algoritmos de aprendizaje y son relativos al aprendizaje profundo.
(2) El aprendizaje profundo se refiere a las redes neuronales profundas, que se puede decir que son el conocimiento de inteligencia artificial más importante y central en la actualidad.
(3) El aprendizaje por refuerzo, derivado de la cibernética, a veces se traduce como aprendizaje por refuerzo. El aprendizaje profundo se puede combinar con el aprendizaje por refuerzo para formar un aprendizaje por refuerzo profundo.
Lo que necesita saber aquí es que el aprendizaje profundo no es difícil de aprender. Para algunos estudiantes de posgrado en ingeniería, generalmente solo les lleva unas pocas semanas comenzar y entrenar algunas redes neuronales para aplicaciones prácticas. Pero no es fácil tener una comprensión profunda del aprendizaje profundo y, por lo general, lleva varios meses.
Existen muchos tipos de algoritmos tradicionales de aprendizaje automático y algunos algoritmos tienen muchas fórmulas matemáticas, como SVM. Estos algoritmos no son fáciles de aprender, por lo que primero puede aprender el aprendizaje profundo y luego complementar lentamente estos algoritmos tradicionales.
El aprendizaje por refuerzo es más difícil. Por lo general, se necesitan dos o tres meses de aprendizaje continuo para lograr cierta comprensión.
5 Comience a crear algunas aplicaciones de IA
Después de aprender el aprendizaje profundo durante algunas semanas, puede comenzar a intentar crear algunas aplicaciones de IA, como reconocimiento de imágenes, transferencia de estilo y poesía de texto. Generar etc. Aprender mientras practica será mucho mejor y su comprensión de las redes neuronales se profundizará gradualmente.