Para aprender IA, ¿debería saber ciencia de datos?

Eso depende de tu definición de ambos. Cuando comencé Datascience Oxford en 2014, datascience era visto como nuevo y de vanguardia. Todos querían ser científicos de datos. Con el tiempo, sin embargo, la gente lo ha redefinido para que se ajuste a su percepción y luego dijo con confianza “Soy uno de esos”. El 80% de nuestros científicos de datos son en realidad analistas de big data pasados ​​de moda, simplemente se les da un salario mayor.

Lo mismo con la IA. Un seminario reciente dijo que simplemente estaba redefiniendo los problemas comerciales en términos matemáticos y luego resolviéndolos. Sus ejemplos eran realmente de la vieja escuela: calificación crediticia de préstamos, predicción de fallas, etc. y ambos ejemplos y lo que propusieron eran directamente de la década de 1980. Eso ni siquiera es inteligente, no importa la semántica sobre quién tiene la culpa.

Así que aquí hay una vista de 2020.

Las computadoras, tanto grandes como pequeñas, tienen un poder de cómputo fenomenal, muy superior al nuestro, tanto en velocidad como en memoria. Seríamos negligentes si no utilizáramos al menos parte de él. Nuestro enfoque debe pasar de tratar de hacer que estas computadoras se parezcan más a los humanos a tratar de obtener lo mejor de esta capacidad adicional fenomenal: ir más allá de los humanos.

Los campos enteros están tan lejos de los humanos que han creado nuevas categorías propias. No deberíamos caminar delante con una bandera roja o hacer que resuelvan los problemas del siglo XXI de las maneras del siglo XX. Sin embargo, todavía no están del todo, y las interfaces diseñadas por humanos, las herramientas de preparación, etc., siguen siendo esenciales. A menudo simplemente necesitan una primera iteración para trabajar.

Muchas de las técnicas de disputa de datos aún están fuera de los libros de jugadas de Oracle o HPE. Pero es fácil mezclar carro y caballo. Los primeros autos tenían ruedas de carro, pero no los convertía en carros. Tenemos que ver a dónde nos llevará la IA, pero podemos estar seguros de que no estará en el camino de la ciencia de datos.

Puedes aprender IA de este curso de mayor venta disponible en Udemy que solo requiere matemáticas de secundaria para comenzar.

¡Combina el poder de la ciencia de datos, el aprendizaje automático y el aprendizaje profundo para crear una IA potente para aplicaciones del mundo real!

¿Quién es el público objetivo?

• Cualquier persona interesada en inteligencia artificial, aprendizaje automático o aprendizaje profundo

Enlace del curso: Inteligencia artificial AZ ™: aprenda a construir una IA

¿Que aprenderás?

• Construye una IA
• Comprender la teoría detrás de la inteligencia artificial
• Hacer un auto virtual
• Haz una IA para vencer a los juegos
• Resolver problemas del mundo real con IA
• Domina los modelos más modernos de IA
• Q-Learning
• Deep Q-Learning
• Aprendizaje Q convolucional profundo
• A3C

Requisitos para tomar este curso

• Solo matemáticas de secundaria

Descripción del curso por instructor

Aprenda los conceptos clave de IA y el entrenamiento de intuición para ponerse al día rápidamente con todas las cosas de IA. Cubierta:

• Cómo comenzar a construir IA sin experiencia previa en codificación usando Python
• Cómo fusionar AI con OpenAI Gym para aprender de la manera más efectiva posible
• Cómo optimizar tu IA para alcanzar su máximo potencial en el mundo real

Esto es lo que obtendrá con este curso:

1. Completa habilidades de inteligencia artificial para principiantes y expertos : aprenda a codificar inteligencia artificial que se mejora por sí misma para una variedad de propósitos. De hecho, codificamos junto con usted. Cada tutorial comienza con una página en blanco y escribimos el código desde cero. De esta manera, puede seguir y comprender exactamente cómo se une el código y qué significa cada línea.

2. Plantillas de código: además, obtendrá plantillas de código de Python descargables para cada IA ​​que cree en el curso. Esto hace que construir una IA verdaderamente única sea tan simple como cambiar algunas líneas de código. Si liberas tu imaginación, el potencial es ilimitado.

3. Tutoriales de intuición: donde la mayoría de los cursos simplemente te bombardean con una teoría densa y te ponen en camino, creemos en desarrollar una comprensión profunda no solo de lo que estás haciendo, sino por qué lo estás haciendo. Es por eso que no te lanzamos matemáticas complejas, sino que te enfocas en desarrollar tu intuición en la codificación de la IA para obtener resultados infinitamente mejores en el futuro.

4. Soluciones del mundo real: lograrás tu objetivo no solo en 1 juego, sino también en 3. Cada módulo se compone de diferentes estructuras y dificultades, lo que significa que serás lo suficientemente hábil para construir una IA adaptable a cualquier entorno en la vida real, en lugar de simplemente pasar una memoria glorificada “prueba y olvida” como la mayoría de los otros cursos. La práctica realmente hace la perfección.

5. Soporte en curso: estamos totalmente comprometidos a hacer de este el curso de IA más accesible y orientado a resultados del planeta. Esto requiere que estemos allí cuando necesite nuestra ayuda. Es por eso que hemos reunido un equipo de científicos de datos profesionales para apoyarlo en su viaje, lo que significa que recibirá una respuesta de nosotros dentro de un máximo de 48 horas.

Enlace del curso: Inteligencia artificial AZ ™: aprenda a construir una IA

La inteligencia artificial y la ciencia de datos están muy relacionadas. Ambos dependen de los datos que el usuario tenga a su disposición. Aunque el término “ciencia de datos” a menudo es amplio y un “científico de datos” a menudo también usa datos junto con tecnologías de inteligencia artificial / aprendizaje automático, a los efectos de esta pregunta podemos usar el término “ciencia de datos” para significar “análisis de datos” .

El análisis de datos abarca el campo de la exploración, poda, limpieza y extracción de datos. Todas estas acciones son requisitos previos necesarios para aplicar algoritmos de inteligencia artificial / aprendizaje automático. Sin los datos en el formato adecuado, estos algoritmos no funcionan y / o proporcionarán resultados no sensitivos.

Por lo tanto, si desea aprender IA, es imprescindible comprender cómo adquirir datos, manipularlos y transformarlos en el formato que sea necesario para los algoritmos posteriores. Dicho esto, cuanto más sepa sobre ciencia de datos (es decir, más que un simple análisis), más fácil será el aprendizaje de la IA.

Espero que esto ayude !

Eso es como preguntar: “¿Para aprender la vida debería conocer las relaciones humanas?” …

ACTUALIZAR:

Siga este camino en 2017: el plan de aprendizaje de ciencia de datos más completo para 2017

No, los métodos para aplicar IA requieren más conocimiento de algoritmos. De hecho, la ciencia de datos es solo una de las aplicaciones de la IA. Puede aplicarlo en robótica, procesamiento de imágenes, economía, y cada una de estas aplicaciones tiene aplicaciones derivadas. Para que pueda aprender conceptos de IA y elegir una forma de especializarse.