Si su intención es trabajar como ingeniero de software construyendo IA o científico resolviendo problemas con IA, definitivamente necesita comprender los algoritmos clásicos de IA, desde la búsqueda A * hasta ANN, HMM, etc. Hoy en día, el aprendizaje profundo (red neuronal profunda) está demostrando Le irá muy bien para resolver problemas de IA. Así que querrías entender eso un poco bastante bien.
Ahora para implementar realmente sus soluciones, y probablemente también para llegar a una definición de problema correctamente descrita, también necesita una buena comprensión de los fundamentos de las estructuras de datos, algoritmos y matemáticas discretas. A menudo, para demostrar que su solución produce un resultado válido, necesitaría matemáticas. Para hacer cosas geniales, no hay escapatoria de esos resfriados que hace que las cosas sean geniales.
Ahora, para responder la segunda parte de su pregunta:
Inteligencia artificial: un enfoque moderno, de Russel y Norvig a menudo se considera la biblia en la IA. El libro de texto de Machine Learning de Tom Mitchell es igualmente venerado en ML.
- ¿Cuál es la diferencia entre Segment Tree y Fenwick Tree en términos de operaciones?
- ¿Memcpy es más eficiente que copiar elemento por elemento en bucle iterativo?
- ¿Cómo podemos solucionar esto?
- ¿Cómo es coherente una búsqueda iterativa de profundización en beneficio de BFS y DFS?
- ¿Cuáles son algunas de las lagunas en el algoritmo de reserva de entradas de irctc?
A continuación encontrará una buena lista de libros de AI / ML / NLP: The AI Programmer’s Bookshelf
