Debe consultar los materiales del curso disponibles de forma gratuita en OCW del MIT, estará en Ingeniería-> EE-> CS / Robotics
ML / DL es bastante matemático pesado. Varios marcos ayudan a abstraerlo todo, pero luego solo trabajará con código repetitivo y ejecutará proyectos simples sin saber cómo funciona realmente o no podrá probar nuevos enfoques.
Existe este libro de 1000 páginas de Russell & Norvig-AI, un enfoque moderno. Revísalo en ~ 40 páginas al día. Eso debería darle una buena idea de bosque a bosque de todo el campo. Python también debería ser manipulado por esta vez.
- En una red neuronal (sin saber si es específica para keras), ¿cuál es la diferencia entre el tamaño del lote y el entrenamiento del lote? ¿Cuándo necesitaría ambos?
- ¿Los enemigos en los videojuegos son realmente inteligentes, o simplemente están programados para reaccionar a los movimientos de un jugador específico?
- ¿Cómo se usa el cálculo en la inteligencia artificial?
- ¿La inteligencia artificial solo involucra a robots?
- ¿Es posible automatizar tareas que involucren movimientos de precisión de mano humana?
Una vez hecho esto, puede seguir los diversos laboratorios de la universidad como el Laboratorio de Biomimética del MIT, el Instituto de Robótica CMU: Laboratorios y Grupos, incluso U Penn tiene el laboratorio GRASP. ETH Zurich también.
Todos publican su investigación y, a menudo, bloguean sobre todo. Varios de ellos incluso podrían estar en Github también. Mi favorito personal es el Robot Locomotion Group en el MIT. También subcontratan la mayoría de los proyectos.
También debe intentar tener un enfoque renovado para observar los sistemas a su alrededor y deducir de qué están comprometidos, cómo funcionan, etc. Los documentos Arxiv también son una gran fuente de inspiración y pueden proporcionarle nuevas formas de pensar y resolver problemas. .
Tómese su tiempo y haga que los ejemplos corran de su lado y luego gradualmente tome algunas muescas.
