Un estudiante de décimo grado me preguntó cómo aprender IA y, a esa edad, tenía curiosidad por saber acerca de un simple script DOS y macros en MS-word, en serio el tiempo ha cambiado mucho.
Va a ser difícil para mí sugerir algo para su nivel, pero lo intentaré. Trataré de hacerlo breve, ya que no sé qué tan familiarizado está con los jergas técnicos.
Sugerencia 1 (sobre el aprendizaje de IA):
- ¿Cómo puede un ingeniero eléctrico (EE) trabajar en inteligencia artificial?
- ¿Cómo mejorarán las computadoras cuánticas la inteligencia artificial?
- Si ya tenemos una IA fuerte, ¿cuáles serían algunos ejemplos de maravillas médicas o físicas que puedas imaginar de manera realista?
- Después de 11 años en TI, ahora quiero hacer una carrera en inteligencia artificial. ¿Cómo debo proceder?
- Si ejecutamos dos IA idénticas para hacer la misma tarea, ¿encontrarán ambas una manera de hacerlo de la misma manera?
- Comienza a aprender a codificar en Python. Instale la computadora portátil Jupyter en su sistema y comience a codificar en un navegador. Cosas muy simples.
- Elija su área de interés en AI. Por ejemplo, habla, visión artificial, robótica, PNL u otra cosa.
- Existen numerosos tutoriales disponibles en línea, pero debe comenzar de manera secuencial (el siguiente punto de mis sugerencias). Se espera que nosotros (los estudiantes de doctorado) conozcamos los detalles internos de lo que sea que hagamos, pero puede omitirlo inicialmente ya que no se enfrentará a miembros notorios de un comité. Para mejorar el conocimiento teórico puedes seguir este enlace. El curso Nando de freitas en YouTube puede ser un muy buen comienzo.
- Comienza a aprender una biblioteca de aprendizaje profundo. Si no eres bueno programando, entonces keras o lasaña pueden ser un buen comienzo. Puede encontrar muchos tutoriales sobre cómo implementar una red neuronal, una red neuronal convolucional en estas bibliotecas.
- Después de aprender más arriba y ser bueno para hacer algo en IA, comience a trabajar en un proyecto (por ejemplo, podría ser tan simple como el reconocimiento facial en tiempo real). Si tiene una buena GPU, utilice el código ya disponible en detección de objetos (SSD, Yolo), reconocimiento facial (facenet, uno más). De lo contrario, use redes más pequeñas que ejecute incluso en una frambuesa pi. Comprueba los robocars de bricolaje y usa su código para hacer tu propio robocar autónomo.
- Se pueden elegir otros tutoriales de owainlewis / awesome-artificial-intelligence.
Sugerencia 2 (en las sugerencias de tus padres):
Tus padres tienen razón, concéntrate en tus estudios más que nada, ya que hacer cosas más altas requieren las mismas habilidades, por ejemplo, trigonometría y cálculo. Puede hacer IA en el tiempo libre, es decir, cuando sus amigos están ocupados mirando a sus AMIGOS en la televisión, puede aprender algo muy útil e innovar su entorno y sus pensamientos en mente.
Las técnicas actuales de IA pueden cambiar por completo cuando ingreses a tu ingeniería, pero harás que tu base sea fuerte aquí.
Sugerencia 3 (en general, una sugerencia importante):
El éxito actual en IA debido al aprendizaje profundo es solo una exageración (dicho basado en el pasado). En la década de 1990, la exageración era del desarrollo web y la gente hizo una carrera solo en desarrollo web y hoy no sirve, literalmente no sirve. Entre 2000 y 2010, la exageración fue de visión por computadora (OpenCV) y aprendizaje automático (SVM), pero en la actualidad rara vez se utilizan, ya que el aprendizaje profundo se ha convertido en el estado del arte de casi todas las aplicaciones de visión. Lo mismo puede suceder con el aprendizaje profundo. Entonces, mi sugerencia es no conformarse con el aprendizaje profundo, sino tomarlo como una herramienta y aprender los fundamentos. Concéntrese en conceptos y tome enfoques como herramientas para resolver problemas.
Todo lo mejor.
Espero que esto haya ayudado.
