Creo en aprender cosas metiéndome en el meollo. Entonces, mientras aprende las matemáticas detrás de las cosas, trate de ver dónde se usan esos conceptos en la IA. Algunos temas que sugeriría:
- Probabilidad y estadística (extremadamente importante): estos temas también proponen técnicas de predicción
- Cálculo (preferiblemente cálculo diferencial multivariante): muchos algoritmos como el descenso de gradiente y la propagación hacia atrás se basan en esto
- Álgebra lineal (en detalle): la mayoría de los datos en AI / ML se modelan utilizando matrices o tensores de dimensiones superiores
- Técnicas de optimización
- Lógica: primer orden y proposicional y difusa, si te gustan las redes neuronales
- Teoría de grafos
- Estudio de algoritmos: estamos tratando de usar IA en sistemas en tiempo real, como automóviles y robots autónomos. Para realizar análisis de complejidad y minimizar el tiempo empleado por sus algoritmos, será útil una base sólida de algoritmos
Además de esto, me gustaría dirigirlo a la respuesta de Mónica Anderson a ¿Qué habilidades y / o matemáticas se necesitan para estudiar inteligencia artificial? donde Mónica propone un enfoque holístico para tener una idea general de las cosas y comprender de qué se trata el núcleo de la IA.
Personalmente, me gusta intercalar las lecturas que mencionó (por ejemplo, “What Is Life” (1946) de Schrödinger) junto con algunos proyectos concretos de matemática y / o diversión.
- ¿Qué opinas sobre la IA (inteligencia artificial) con respecto al futuro?
- ¿Por qué la gente no entiende lo que es la IA?
- ¿Puede la IA desarrollar un lenguaje propio?
- ¿Qué cantidad de C y C ++ necesita aprender para obtener una ventaja en un curso de introducción de inteligencia artificial?
- ¿Cuáles son los sitios famosos para los desafíos de programación de Inteligencia Artificial?
