Cómo aprender inteligencia artificial
La inteligencia artificial se ha convertido en una dirección cada vez más popular. Cada vez más personas quieren desarrollarse en la dirección de la inteligencia artificial, entonces, ¿cómo aprender inteligencia artificial?
1. Aprender o recordar algunos conocimientos matemáticos
Debido a que lo único que las computadoras pueden hacer es calcular, la inteligencia artificial se parece más a un problema matemático [1]. Nuestro objetivo es entrenar un modelo y utilizarlo para realizar una serie de predicciones. Por lo tanto, abstraemos los procesos relacionados con el proceso de entrenamiento en funciones matemáticas: primero, necesitamos definir la estructura de la red, lo que equivale a definir una función lineal no lineal. Luego, establezca el objetivo de optimización, es decir, defina la función de pérdida.
El proceso de formación es el proceso de encontrar la solución óptima y la solución subóptima. En este proceso, necesitamos dominar algunas estadísticas de probabilidad básicas, matemáticas avanzadas, álgebra lineal y otros conocimientos. Siempre que lo hayas aprendido, no importa si no lo has aprendido. Conozca los principios y procesos, los lectores interesados pueden incursionar en algunos certificados de nivel de entrada.
2. Dominar la teoría clásica del aprendizaje automático y los algoritmos básicos.
Estos algoritmos básicos incluyen máquinas vectoriales, regresión logística, árboles de decisión, clasificadores Bayes ingenuos, bosques aleatorios y algoritmos de agrupación, filtrado colaborativo. , análisis de correlación, red neuronal artificial y algoritmo BP, PCA, ajuste y regularización, etc. [2]
Los ejemplos de la "Parte práctica" del Capítulo 8 al Capítulo 13 de este libro también analizan los puntos de conocimiento de estos algoritmos para garantizar que los lectores puedan usarlos para escribir pequeños programas de TensorFlow.
3. Dominar las herramientas de programación (lenguajes)
El lenguaje Python es un lenguaje de programación de alto nivel declarativo, orientado a objetos y dinámico basado en datos. Python es un lenguaje de programación introductorio para muchos programadores nuevos, y también es un lenguaje de programación que muchos programadores antiguos deben dominar en el futuro. Debemos centrarnos en dominar el uso de bibliotecas de álgebra lineal y operaciones matriciales. Especialmente bibliotecas de terceros como Numpy y Pandas, también debes probar sklearn y otras bibliotecas de aprendizaje automático. Esto ayuda mucho a la hora de escribir programas de TensorFlow directamente a mano.
Algunos lectores de la industria y el mundo académico pueden sentirse cómodos usando MATLAB o R, pero la idea de implementar algoritmos es similar a Python.