¿Es bueno aprender inteligencia artificial?
En primer lugar, necesita una base matemática: matemáticas avanzadas, álgebra lineal, teoría de la probabilidad, estadística matemática y procesos estocásticos, matemáticas discretas, análisis numérico;
En segundo lugar, requiere la acumulación de algoritmos: redes neuronales artificiales, máquinas de vectores de soporte, algoritmos genéticos, etc.;
Por supuesto, se necesitan algoritmos en varios campos. Por ejemplo, si desea que un robot navegue y mapee en un entorno de ubicación, debe aprender SLAM.
Muchos algoritmos requieren tiempo para acumularse.
Entonces, necesitas dominar al menos un lenguaje de programación, después de todo, la implementación de algoritmos aún requiere programación; si profundizas en el hardware, algunos cursos básicos de electricidad son esenciales;
La inteligencia artificial generalmente requiere que no la aprendas hasta que te gradúes y solo la vislumbres en el nivel universitario. Después de todo, los cursos básicos requeridos son demasiado grandes.
Cada uno de los temas que acabamos de mencionar es profundo, pero al mismo tiempo, muchas cosas están interconectadas. Cuando haya aprendido muchos conocimientos y tenga una cierta base, será fácil consultar los conocimientos relacionados. La clave aquí es tener tu propio pensamiento en lugar de seguir la tendencia. Después de todo, la inteligencia artificial es un tema en desarrollo con infinitos desafíos y diversión.
Python es el lenguaje preferido para la inteligencia artificial, por lo que todo el mundo debe aprender bien Python. El enfoque del aprendizaje de inteligencia artificial es el aprendizaje automático;
1. Curso abierto de la Universidad de Stanford: Curso de aprendizaje automático
2 Competencia de análisis de datos Kaggle
Aprendizaje profundo: — Autor Joshua Bengio
Lista práctica de programación Python para aprendizaje automático
1 Python para análisis de datos
SciPy y NumPy
3. Aprendizaje automático para hackers
4. Aprendizaje automático en acción
Las direcciones de empleo incluyen principalmente: instituciones de investigación científica (Instituto de Investigación en Robótica, etc.), desarrolladores de software y hardware, profesores universitarios, etc. En casa, las perspectivas laborales son mejores. La modernización industrial nacional, la transformación de la industria de TI y la investigación y el desarrollo de robots, robots inteligentes y dispositivos portátiles serán puntos importantes en el futuro.