¿Cuál es la mejor manera de aprender Inteligencia Artificial para un principiante?

Comience aprendiendo de -Intro to AI: https://www.udacity.com/course/c … Lo enseña el jefe del proyecto de automóvil autónomo de Google y el tipo que escribió AI: A Modern Approach. ¡Y es gratis! Otras clases gratuitas de IA en línea utilizan muchos de los temas cubiertos en esa clase como base.

Otras clases para hacer a continuación:
https://www.udacity.com/course/c … AI for Robotics
https://www.coursera.org/course/ml Machine Learning
https://www.coursera.org/course/ … Redes neuronales para el aprendizaje automático
https://www.coursera.org/course/ … Procesamiento del lenguaje natural
https://www.coursera.org/course/ … Planificación AI
https://www.coursera.org/course/… Neurociencia computacional

Habilidades y habilidades útiles para carreras en IA

Los profesionales de IA más exitosos a menudo comparten características comunes que les permiten tener éxito y avanzar en sus carreras. Trabajar con inteligencia artificial requiere un proceso de pensamiento analítico y la capacidad de resolver problemas con soluciones rentables y eficientes.

También requiere previsión sobre las innovaciones tecnológicas que se traducen en programas de vanguardia que permiten a las empresas seguir siendo competitivas. Además, los especialistas en IA necesitan habilidades técnicas para diseñar, mantener y reparar tecnología y programas de software. Finalmente, los profesionales de IA deben aprender a traducir información altamente técnica de manera que otros puedan entender para llevar a cabo su trabajo. Esto requiere una buena comunicación y la capacidad de trabajar con colegas en un equipo.

Calificaciones clave para ingenieros de IA

Las calificaciones para los ingenieros de IA se pueden dividir en tres grandes categorías: educación, conjunto de habilidades y rasgos de personalidad.

Educación: Si bien algunos ingenieros de inteligencia artificial no tienen un título, en su mayor parte, los ingenieros de inteligencia artificial que buscan trabajar con grandes empresas tecnológicas necesitan al menos una licenciatura. Aquí hay una lista de las principales empresas de tecnología y el nivel educativo de sus ingenieros de IA:

Manzana: 80 por ciento – licenciatura; 60 por ciento – maestría; 20 por ciento – no revelado

Facebook: 100 por ciento – licenciatura; 40 por ciento – maestría; 40 por ciento – no revelado

Intel: 67 por ciento – licenciatura; 67 por ciento – maestría; Doctor en Filosofía. – 67; 40 por ciento – no revelado

Conjunto de habilidades: Si bien las habilidades más demandadas varían de una compañía a otra, dependiendo de las necesidades comerciales, hay algunas competencias centrales que todas las compañías valoran en los ingenieros de inteligencia artificial. Los ingenieros deben poder buscar patrones de grandes cantidades de datos, poseer una comprensión profunda de los algoritmos, así como habilidades de resolución de problemas y matemáticas.

Según las últimas ofertas de trabajo, las principales compañías tecnológicas esperan que sus ingenieros de IA sean competentes con:

• Java: 60%
• Inteligencia Artificial: 57%
• Desarrollo de software: 48%
• C ++: 38%
• Linux: 37%
• Python: 36%

Leer algunas de las respuestas me dio una risita o dos, así que supongo que debería comenzar diciendo que soy alguien que ha pasado la mayor parte de los últimos 40 años haciendo IA (mucho antes de que hubiera Internet, teléfonos celulares, Facebook, Google etc.) Desengañémonos primero de algunas nociones equivocadas:

1. La IA no es y nunca ha sido un subcampo de nada, y mucho menos temas mundanos y (en mi opinión, aburridos) como la ingeniería de software (sin ofender a la maravillosa cantidad de personas que hacen SE, pero nunca ha sido mi taza de té Para cada uno de ellos, y estoy seguro de que muchas personas del SE se sienten así acerca de la IA). No hay absolutamente ninguna necesidad de escribir código para comprender la IA, al menos al principio. Lejos de ser útil, en realidad puede ser desalentador. Lo que debe hacer, ante todo, es comprender el problema.
2. La IA es una de las grandes misiones de la humanidad, construir una máquina que de alguna manera se nos parezca, tratar de capturar nuestras maravillosas habilidades para administrar la inmensa cantidad de información que se filtra a través de nuestros sensores. Cada vez que lee un periódico o levanta la mano para tomar una taza de café (tal vez mientras lee este artículo), está logrando una tarea que la mayoría de las máquinas no pueden hacer, y lo que es peor, las mejores mentes de una generación todavía no descubrió cómo hacer que una máquina lo haga.
3. En resumen, la IA está intentando hacer ingeniería inversa del cerebro humano. Entendemos el universo de muchas maneras, desde la escala más grande de galaxias hasta la escala más pequeña de bosones y fermiones. Entendemos la vida y la herencia, la doble estructura helicoidal del ADN. Es una fuente incesante de vergüenza que no nos comprendamos al nivel más básico. Cuando reconoces a tu madre, ¿con qué precisión lo haces? ¿Qué información se almacena en su cabeza que le hace reconocer a su madre, su cónyuge, su mascota, su jefe, un automóvil y un millón de otras cosas que conforman su vida? No lo sabemos Todo lo que sabemos es que millones de años de evolución han equipado nuestros cerebros con una forma maravillosa de extraer información de ruidosos sensores de alta dimensión (ojos, oídos, tacto, etc.). A pesar de nuestros mejores esfuerzos, todavía tenemos muy poca comprensión de cómo el cerebro logra cualquiera de las tareas importantes que nos hacen humanos.
4. Un niño de 3 años puede realizar con facilidad las tareas más increíbles que ninguna máquina nunca ha podido hacer, no toda la vasta potencia informática que puede reunir Google o Amazon, con todos sus vastos petabytes de almacenamiento y bancos de supercomputadoras. Todo niño normal puede aprender un idioma (CUALQUIER idioma) simplemente incrustándose en una cultura donde las personas hablan ese idioma. A un niño NO se le enseña un idioma. A diferencia de la moda au courant del aprendizaje profundo, a ningún niño se le dan vastos discos duros de lenguaje anotado y se le pide que lo memorice día a día. No, como lo expresó Einstein con tanta elocuencia, “Sutil es el Señor”. La naturaleza es mucho más inteligente que los humanos, y ha ideado una máquina mágica de aprendizaje en la cabeza de un niño que le da la capacidad de aprender el lenguaje. 50 años de investigación intensiva no nos han llevado más cerca de descifrar este misterio de misterios.
5. Sobre todo, para aprender IA, primero debe desarrollar una apreciación por el problema que estamos tratando de resolver, el gran desafío que tenemos ante nosotros. No escriba una línea de código, por favor, y no desperdicie su precioso cerebro en aprender algunas API tontas. Lo que más necesitamos sobre todo en IA son pensadores, no programadores. Necesitamos personas con imaginación (mi tema de investigación favorito en estos días). Necesitamos mentes jóvenes que nos ayuden a resolver el mayor desafío científico que la humanidad haya enfrentado: decodificar cómo funcionan nuestros cerebros.
6. Si siente la necesidad de programar, elija las habilidades más básicas, digamos reconocimiento facial. Intente escribir un programa que tome la cara de alguien y lo identifique. O la voz de alguien y lo reconoce. O toma una oración en inglés, chino, japonés o portugués y explica lo que significa. En resumen, tome cualquier tarea que haga miles de veces al día sin esfuerzo, sin pensarlo un momento, sin dudarlo. Redescubrirá lo que una generación de investigadores de IA ha descubierto antes que usted. Entre sus oídos se encuentra la computadora más increíble jamás diseñada, y en su mayoría ignoramos cómo funciona.

En primer lugar, practique la programación Python o R, que será muy útil para el aprendizaje automático. Python hace la vida más simple en comparación con C y Java. No creo que aprender lenguaje de programación Python o R sea difícil para ti
Algunos buenos recursos para Python:
1. Python de la academia de código.
2. Página en coursera.org Python para todos desde Coursera.
3. Byte de Python de Swaroop C H.

En Python, familiarícese con las bibliotecas NLTK, Scikit-learn y numpy, que serán útiles al codificar algoritmos ML.

Después de tener una buena comprensión en Python, puede comenzar a estudiar Conceptos de aprendizaje automático.
Puede consultar este libro Data Science from Scratch ( http://www.amazon.in/gp/product/ … ) que cubre la mayoría de los conceptos en ML y este libro también tiene conceptos básicos de programación de Python y conceptos matemáticos que serán una base sólida para que aprendas IA.

Espero que esto ayude.

1. para un amplio alcance https://www.edx.org/courses/Berk … especialmente para usar en la práctica ejercicios de Python o https://www.udacity.com/course/c … incluyendo lógica y robótica
2. para enfocarse en predecir datos de un gran conjunto de datos existente https://www.coursera.org/course/ml (básicamente lo que le prestará la mayoría de las pasantías en esa etapa)
3. encuentra un Meetup local como http://www.meetup.com/MLGeek-Bru …
4. no leas más ciencia ficción que trabajos de investigación 😉
5. use API y aprenda de bibliotecas como SciKit Learn (porque seamos honestos, es probable que no vuelva a implementar los clásicos usted mismo en un entorno profesional), pero sugiero solo cuando comprenda los principios subyacentes , incluso si eso significa ejecutar algunos código dolorosamente lento que no escala con Octave
6. participar en competiciones como Kaggle (empresa) o Robocup

Estás de suerte, porque ahora es un excelente momento para aprender sobre IA. ¿Por qué no comienzas con un problema que te interesa? ¿Recuerdas el problema de Mark Zuckerberg? En 2016, construyó Jarvis, una máquina de inteligencia artificial para administrar su hogar. Podría apagar las luces, etc. Escriba y comparta su solución. Lo ideal es que te unas a una comunidad de personas interesadas en la IA. Stack Exchange Artificial Intelligence es probablemente un buen lugar para comenzar. Y, por supuesto, también quieres aprender algo de ingeniería de software. Puedes probar un curso de Python, que es un lenguaje de computadora muy popular y relativamente fácil de aprender.

Aprenda Inteligencia Artificial aquí: Aprenda Inteligencia Artificial – Los mejores tutoriales de Inteligencia Artificial | Hackr.io

¿POR QUÉ DEBERÍAS COMENZAR A APRENDER INTELIGENCIA ARTIFICIAL?

La inteligencia artificial es un campo que abre una gran cantidad de oportunidades. ¿No tienes curiosidad por entender las herramientas y los sistemas con los que te conectas a diario? Pero, de nuevo, no todos pueden hacerlo. Antes de entrar en el meollo del intento de Google de crear procesadores cuánticos, debe comenzar con lo básico: la programación. Aprenda un lenguaje de programación primero. Java (enlace al artículo del marco de Java y Play ???), Python, C ++, JavaScript y Ruby on Rails, son probablemente los más geniales. Aquí hay algunos recursos excelentes para ayudarlo a comenzar:

Codecademy.com: un sitio web totalmente gratuito con cursos interactivos sobre varios lenguajes de programación. Únete a más de 25 millones de estudiantes de todo el mundo y domina los trucos del oficio.

Codeavengers.com: aprenda a codificar aplicaciones, juegos y sitios web con Code Avengers | Code Avengers. El sitio web tiene cursos y tutoriales en línea para muchos lenguajes de programación diferentes, incluidos Python, HTML y CSS, JavaScript, así como una guía de introducción de codificación para principiantes.

Udacity: con muchos cursos innovadores sobre programación, Udacity es algo que debe probar. Algunos de los tutoriales son gratuitos, lo cual es excelente para los desarrolladores novatos.

Clean Code, de Robert C. Martin: para los ratones de biblioteca tenemos Clean Code, un libro con muchos ejemplos de Java que también son aplicables en otros lenguajes de programación. Centrado en la buena organización y estilo del programa, Clean Code debería convertirse en su guía paso a paso para el código de marketing y aprender los entresijos de la programación.

Luego, hazte amigable con los BOT. Los rastreadores web que usan los motores de búsqueda como Google son el mejor ejemplo de un bot avanzado y sofisticado. Las siguientes guías pueden aclarar las cosas, así que asegúrese de revisarlas.

Xpath: un excelente recurso que te ayuda a construir bots e inspeccionar HTML

Regex: una herramienta en línea que enseña a los estudiantes todo sobre el procesamiento de datos de bot

Solicitudes: HTTP más fácil; Una excelente biblioteca HTTP no modificada genéticamente para desarrolladores web aficionados al lenguaje de programación Python

La guía completa para principiantes de chatbots: aprenda todo lo que hay que saber sobre los chatbots, cómo son y cómo construir uno.

Después de que haya decidido un lenguaje de programación que coincida con sus habilidades y se haya hecho amigo de un BOT, es hora de aprender sobre el aprendizaje automático (enlace al artículo sobre aprendizaje automático). Hemos presentado algunos buenos tutoriales, libros y guías para ayudarlo a comenzar. Asegúrese de conocer al menos los conceptos básicos de Matemáticas avanzadas y estadísticas antes de saltar al aprendizaje automático. Le ayudará a comprender los algoritmos de ML.

Programming Collective Intelligence, de Toby Segaran, escrito mucho antes de que el aprendizaje automático alcanzara el nivel de popularidad que tiene hoy, este libro describe el aprendizaje automático de una manera muy relajante y fácil de digerir. Algunos temas clave: características del motor de búsqueda, técnicas de filtrado colaborativo, máquinas de vectores de soporte y filtrado bayesiano. Python se usa para describir el aprendizaje automático (extremadamente creativo, podríamos agregar).

[PDF] Machine Learning, de Tom Mitchell: un excelente libro introductorio que proporciona una descripción detallada de los teoremas de ML. Se presentan varios estudios de casos y ejemplos básicos para que los lectores entiendan los algoritmos mucho más fácilmente.

Machine Learning: The New AI, de Ethem Alpaydi, un libro sobre la forma en que la tecnología digital avanzó desde los mainframes básicos para descifrar números hasta los dispositivos móviles inteligentes, colocando así el aprendizaje automático en la cima de la informática. Los lectores también aprenderán sobre conceptos básicos de aprendizaje automático y cómo la tecnología se aplica a las aplicaciones.

Para resumir, esto es lo que necesita dominar antes de poder aprender y comprender la inteligencia artificial:

• Matemáticas avanzadas (por ejemplo, algoritmos de correlación) y estadísticas
• Lenguaje de programación
• Aprendizaje automático
• PACIENCIA: sí, además de todo, necesitas mucha paciencia

PASOS PARA AYUDARLE A APRENDER INTELIGENCIA ARTIFICIAL

Aprender y comprender la inteligencia artificial es algo que la mayoría de los desarrolladores y programadores de software se esfuerzan por lograr. Pueden entender el potencial de la industria; lo que puede hacer, pero también lo que podría hacer dentro de 10 o 20 años. Muchos conceptos erróneos rodean a la IA. ¿Los robots se harán cargo del mercado laboral? ¿Podrán las computadoras ser más astutas que los humanos? ¿Las máquinas inteligentes reemplazarán a las personas o se fusionarán con ellas? ¿Deberíamos temer que la era de la inteligencia artificial cambie por completo la forma en que las personas ven las computadoras? Ahora, todas estas son buenas preguntas, y esperamos que los hijos de nuestros nietos puedan responderlas. Una cosa es segura. Con la tecnología avanzada viene una gran responsabilidad, y los fanáticos de la informática lo saben. Para obtener más información sobre la IA, existen los pasos que debe seguir.

OBTENER UN GRADO, ASISTIR A UN CURSO O CLASE EN AI

Hay muchos cursos a los que puedes asistir para aprender IA, tanto en línea como en una universidad. Udacity.com, mit.edu, edX.org y saylor.org tienen algunas clases en línea realmente geniales a las que puede asistir:

Introducción a la Inteligencia Artificial: subdividida en 10 lecciones, este curso en línea introduce a los estudiantes al mundo de la IA. Se le presentarán conceptos como la visión por computadora, el aprendizaje automático, el procesamiento del lenguaje natural, la robótica y la teoría de juegos. Para entenderlo, asegúrese de tener algunos conocimientos básicos de álgebra lineal y teoría de la probabilidad.

Inteligencia artificial: use el curso edX para aprender los conceptos básicos de IA. El enfoque es el paradigma estadístico y teórico de decisión. Se requieren conocimientos previos de programación y experiencia (usan Python como lenguaje principal de programación), así como también una formación en matemáticas. Durante el curso, los estudiantes aprenderán a construir agentes inteligentes autónomos programados para tomar decisiones aleatorias; y también aprenderá sobre aplicaciones de aprendizaje automático. ¿Cuan genial es eso?

MIT OpenCourseWare – Inteligencia artificial – El curso de MIT sobre IA les enseña a los asistentes todo lo que necesitan saber sobre los diferentes métodos de aprendizaje de IA. Al finalizar, debe ser capaz de reunir soluciones y comprender la inteligencia humana desde una perspectiva computacional de más alta tecnología.

Curso de Inteligencia Artificial en la Academia Saylor: el curso introduce a los estudiantes al campo avanzado de la inteligencia artificial. Las principales áreas de estudio incluyen temas como aprendizaje automático, programación de inteligencia artificial, juegos, robótica y comprensión del lenguaje.

Universidad de Stanford: Inteligencia artificial: principios y técnicas: un excelente plan de estudios para estudiantes interesados ​​en aprender más sobre IA. El curso se centra en los principios fundamentales de la inteligencia artificial e incluye temas como el aprendizaje automático, los procesos de decisión de Markov, la lógica, la satisfacción de restricciones y los modelos gráficos. El objetivo es equipar a los estudiantes con herramientas para implementar IA en las prácticas diarias y resolver problemas que las personas encuentran difíciles de abordar.

LEA LOS LIBROS Y ARTÍCULOS SOBRE APRENDIZAJE DE LA INTELIGENCIA ARTIFICIAL

Además de los cursos sobre inteligencia artificial, los programadores apasionados, los desarrolladores de software y los estudiantes de informática también pueden leer libros sobre el tema. Hay bastantes por ahí que son desconcertantes e increíblemente interesantes. Todos ellos ayudarán a ampliar su conocimiento sobre IA y su potencial. Aquí hay algunas buenas lecturas para revisar.

[PDF] Inteligencia artificial: un enfoque moderno, por Stuart J. Russell y Peter Norvig: en la primera parte, el libro enseña a los lectores sobre agentes inteligentes. Luego introduce la noción de resolución de problemas, conocimiento y razonamiento, y más. Al final, revela una conclusión que resume el potencial de la IA y los intentos de cambiar el futuro de la tecnología.

The AI ​​Revolution: Road to Superintelligence: un artículo muy detallado e imparcial sobre inteligencia artificial que intenta explicar algunos de los conceptos erróneos más comunes que rodean el campo de la inteligencia artificial.

[PDF] Simplemente lógico: razonamiento inteligente con el ejemplo, por Peter Flach: aprenda los conceptos básicos de la programación de IA. El libro es una combinación de inteligencia artificial, lógica y prólogo. Cada técnica presentada está acompañada de un programa de implementación, y hay muchos ejemplos para hacer que los conceptos sean más fáciles de entender.

[PDF] Inteligencia artificial práctica: programación en Java, de Mark Watson, dirigida tanto a aficionados como a programadores profesionales, el libro enseña a los lectores cómo hacer que la IA sea práctica. Cada capítulo tiene una técnica de aprendizaje, algunos conocimientos teóricos sobre esas técnicas y un ejemplo de Java que se puede utilizar para experimentar y practicar.

[PDF] La búsqueda de la inteligencia artificial, por Nils J. Nilsson: todo lo que necesita saber sobre la inteligencia artificial se encuentra en este libro; desde el principio (hasta cuando la IA era un mero concepto) hasta nuestros días (pioneros en la industria e ingenieros de IA actuales).

ASISTIR A REUNIONES, CONFERENCIAS Y VER PRESENTACIONES SOBRE INTELIGENCIA ARTIFICIAL

Hemos mencionado los cursos y clases a los que puede asistir para aprender sobre inteligencia artificial, así como los libros que puede leer para ayudar a ampliar su conocimiento y ampliar su comprensión del campo. Ahora es el momento de un razonamiento más profundo sobre la IA. Una de las mejores maneras de aprender más es asistiendo a reuniones y conferencias, y escuchando charlas en vivo. Algunos debates y presentaciones interesantes son:

Elon Musk habla sobre Inteligencia Artificial en el MIT: esta discusión de 1 hora se llevó a cabo en 2014 en el MIT, cuando el Departamento de Aeronáutica y Astronáutica celebró sus 100

th

aniversario; Una presentación muy interesante que cubre una gran cantidad de temas, desde la exploración de Marte y el papel de la NASA hasta las advertencias de IA y las colaboraciones de Tesla con la industria de vehículos electrónicos.

Davos 2016, El estado de la inteligencia artificial: un debate detallado con el propósito de responder una pregunta muy importante. “¿Qué tan cerca está la tecnología avanzada de revisar la inteligencia humana y qué implicaciones tiene la IA en las industrias modernas de hoy en día?”

[Documental] Inteligencia artificial y robótica: “Las apariencias engañan” y este documental te contará todo al respecto. Durante muchas décadas, hemos visto películas de ciencia ficción que representan a los robots como sirvientes leales del hombre. Sin embargo, la IA y los robots ya no son una cuestión de ciencia ficción. Los robots son difíciles de crear porque el mundo real es como el Salvaje Oeste: rico e implacable. Las tecnologías avanzadas como el aprendizaje automático, la programación, el aprendizaje profundo y el software pionero nos dan una especie de esperanza de que la industria de la robótica pueda sacar los robots de los laboratorios y llevarlos al mundo real.

Elon Musk habla sobre inteligencia artificial en la Universidad de Sanford (2015): el enfoque de inteligencia artificial comienza en el minuto 27. Elon Musk habla sobre tecnología avanzada en el futuro y sobre lo que deberíamos esperar que suceda con la inteligencia artificial dentro de 25 años.

Bill Gates y Elon Musk hablan sobre la seguridad de la IA, tanto Gates como Musk hablan sobre la súper inteligencia, la IA y qué puede hacer la tecnología por nosotros los humanos. La discusión aborda asuntos de extrema importancia, como hacer que la inteligencia artificial sea segura. Musk menciona que liberar IA es fácil. Contenerlo y mantenerlo seguro es la parte difícil.

EJEMPLOS DE AI

La inteligencia artificial ya no es un producto de nuestra imaginación. La IA es real y la usamos a diario. Cortana, Siri y Google Now se han convertido en nuestros asistentes personales virtuales más valorados. La industria del juego usa inteligencia artificial para crear experiencias en línea sin interrupciones y la industria automotriz actualmente se enfoca en autos inteligentes que se conducen solos. Los programas de detección de fraude y software de predicción de compra también son productos artificialmente inteligentes. En términos simples, su casa, banco, teléfono inteligente y automóvil usan inteligencia artificial a diario. Algunas de las cosas que pueden hacer son obvias; otros podrían engañarte para que creas que hay un cerebro real en el núcleo de tu nuevo iPhone. Echemos un vistazo más de cerca a algunos de los ejemplos más fascinantes de hoy en día sobre inteligencia artificial.

Supercomputadora Watson: en 2011, la supercomputadora Watson de IBM logró derrotar a los dos mejores Jeopardy. campeones, y recoge el gran premio de $ 1 millón. Watson aprovecha y procesa más de 2.500 millones de gigabytes al día. Las capacidades de aprendizaje automático de la computadora estimulan perfectamente el cerebro humano, pero está programado para eliminar errores y sesgos del escenario de toma de decisiones. Para 2011, Watson fue un gran avance en inteligencia artificial.

Automóviles autónomos: Google presentó su primer automóvil autónomo en 2011. Cuatro estados de los EE. UU., Incluido Washington DC, estaban convencidos de que el automóvil autónomo debería poder probarse en las calles. Las cosas han cambiado mucho desde entonces, y cada vez más compañías de automóviles se interesaron por la tecnología. La función de piloto automático Modelo S de Tesla es alucinante, y Elon Musk dice que esto es solo el comienzo.

Amazon Echo: Echo es el nuevo dispositivo doméstico inteligente activado por voz de Amazon. Es práctico y accesible, y contiene una gran cantidad de características e integraciones. El dispositivo AI compacto es una versión más avanzada de Siri de Apple. Úselo como asistente de voz, envíe solicitudes y realice tareas en la casa de manera rápida y sin esfuerzo.

La IA es un campo enorme. Para darle algún consejo específico, necesito saber qué parte le interesa.

Introducción a AI: https://www.udacity.com/course/c … Lo enseña el jefe del proyecto de automóvil autónomo de Google y el tipo que escribió AI: A Modern Approach. ¡Y es gratis!

Otras clases gratuitas de IA en línea utilizan muchos de los temas cubiertos en esa clase como base.

Otras clases para hacer a continuación:
https://www.udacity.com/course/c … AI for Robotics
https://www.coursera.org/course/ml Machine Learning
https://www.coursera.org/course/ … Redes neuronales para el aprendizaje automático
https://www.coursera.org/course/ … Procesamiento del lenguaje natural
https://www.coursera.org/course/ … Planificación AI
https://www.coursera.org/course/… Neurociencia computacional

Página de inicio de MALLET

IA antigua y moderna: http://aima.cs.berkeley.edu/

Aprendizaje automático estadístico: http://scikit-learn.org/stable/

Cálculo evolutivo: https://code.google.com/p/deap/

Enseño un curso de AI / ML en línea @ appliedaicourse.com. Este curso está diseñado para principiantes absolutos que no tienen experiencia en IA / ML pero están dispuestos a pasar de 5 a 10 horas a la semana durante 3 a 6 meses aprendiendo ML. Al final de este curso, muchos de nuestros estudiantes han resuelto problemas del mundo real usando ML / AI. Puede encontrar algunas carteras de muestra de nuestros estudiantes actuales aquí.

Así es como construimos el trabajo del curso:

1. Comience con los conceptos básicos de Python, incluidas algunas bibliotecas importantes como NumPy, SciPy, MatPlotlib, Seaborn, etc. Elegimos Python y no otros lenguajes como Java o R, ya que Python es fácil de aprender y tiene toneladas de bibliotecas brillantes para ML / AI.
2. Una vez que se sienta cómodo con la programación, aprenderá a dar sentido a los datos utilizando Python como su herramienta de programación. Esta etapa se llama “Análisis de datos exploratorios”, donde utilizamos herramientas de trazado simples para dar sentido a los datos. En esta etapa, aprenderá algunas ideas básicas como histograma, PDF, CDF, diagramas de dispersión, diagramas de caja, etc. Realizar análisis de datos usando diagramas al principio del curso les da a los estudiantes una sensación de logro y los motiva a seguir aprendiendo. Todo el análisis de datos se realiza en conjuntos de datos del mundo real.
3. Ahora, aprende Probabilidad y Estadística básicas. Ahora es fácil conectar los puntos, ya que ha visto algunos datos en la sección anterior. Aprende ideas como distribuciones, pruebas de hipótesis, correlación, intervalos de confianza, etc. Si bien esto puede parecer “seco”, es muy fácil motivar la probabilidad utilizando ejemplos simples.
4. Luego, pasamos a Álgebra lineal. Nosotros, los humanos, somos criaturas visuales. Entendemos diagramas y geometría mucho más fácilmente que las ecuaciones. Por lo tanto, enseñamos la mayoría de los temas de Álgebra lineal utilizando geometría para el encendido.
5. Ahora, podemos saltar a algo de aprendizaje automático real. Motivamos el análisis de componentes principales y t-SNE como datos de alta dimensión fáciles de visualizar. Pero derivamos la mayoría de los detalles matemáticos intuitivamente utilizando la geometría como nuestra base.
6. Dado que tenemos los fundamentos necesarios, comenzamos con algoritmos de ML reales que motivan a la mayoría de ellos utilizando la intuición geométrica. En cuanto a las ecuaciones, a los estudiantes les gustan las ecuaciones cuando aprenden a leerlas como poesía. Por lo tanto, traducimos ecuaciones y expresiones en oraciones, ya que ayuda a los estudiantes a comprender lo que sucede con mucha más claridad.
7. En mi experiencia, trabajar en múltiples problemas del mundo real a medida que aprende cada una de las técnicas es muy importante. Cubrimos más de 25 técnicas de ML y 5 técnicas de aprendizaje profundo en nuestro curso.
8. Si tiene tiempo, la implementación de las técnicas es una gran idea que le brinda una mejor comprensión del funcionamiento interno de cada algoritmo en ML.
9. Aprender cuando una técnica no funciona bien, cuáles son las soluciones alternativas cuando una técnica falla y motivar cada técnica claramente ha sido muy importante para que los estudiantes tengan una buena perspectiva sobre cada técnica.
10. Motivamos los métodos de optimización numérica (como SGD) y el cálculo como herramientas para resolver las técnicas de optimización que encuentra en ML como en la regresión logística.
11. Aprenda las matemáticas básicas y no olvide aplicar las técnicas en un amplio espectro de problemas para realmente aprender ML en profundidad.

Puede consultar nuestro curso de IA en https://www.appliedaicourse.com/course/applied-ai-course-online/

Para un principiante, primero puede aprender a continuación los lenguajes de programación.

1. Pitón
2. Prólogo
3. JAVA
4. C ++
5. CECEO

Después de aprender todos los lenguajes de programación, puede comenzar a desarrollar aplicaciones de inteligencia artificial.

Para obtener más información sobre los lenguajes de programación anteriores, visite los 5 lenguajes de programación principales para crear soluciones de inteligencia artificial – Techtic Solutions

Pasos a seguir para aprender el Curso de Inteligencia Artificial: –

1. Elija un problema que le interese.

Comenzar con un problema que desea resolver hace que sea mucho más fácil mantenerse enfocado y motivado para aprender, en lugar de comenzar con una lista de temas intimidante y desconectada (está a una búsqueda de Google lejos de muchas de las listas de recursos de aprendizaje automático, I No estoy proporcionando otro aquí). Resolver un problema también lo obliga a comprometerse profundamente con el aprendizaje automático, en lugar de leer pasivamente sobre él.

Los buenos problemas para comenzar tienen varios criterios:

• Cubren un área que le interesa personalmente.
• Los datos están fácilmente disponibles y son adecuados para abordar el problema (de lo contrario, la mayor parte de su tiempo irá aquí).
• Puede trabajar con los datos (o algún subconjunto relevante de ellos) cómodamente en una sola máquina.

¿No tiene un problema que le viene a la mente? ¡Sin preocupaciones! Proporcionamos una buena rampa de problemas de aprendizaje automático en Kaggle a través de nuestra serie de competiciones iniciales. Comience en la competencia titánica.

2. Haga una solución rápida, sucia, hacky e integral para su problema.

Es realmente fácil empantanarse en un detalle de implementación o ajustar cuidadosamente el algoritmo de aprendizaje automático incorrecto. Quieres evitar esto.

Su objetivo aquí es obtener algo súper básico en su lugar lo más rápido posible que cubra el problema de principio a fin, desde leer los datos, procesarlos en una forma adecuada para el aprendizaje automático, entrenar un modelo básico, crear un resultado, y evaluando su desempeño.

3. Evoluciona y mejora tu solución inicial.

Ahora que tiene una línea base funcional, es hora de ser creativo. Intente mejorar cada componente de su solución inicial y mida el impacto para ver dónde tiene sentido pasar el tiempo. Muchas veces, adquirir más datos o mejorar la limpieza de datos y los pasos de preprocesamiento tienen un ROI más alto que la optimización de los modelos de aprendizaje automático.

Parte de este paso debe incluir ser práctico con los datos, inspeccionar filas individuales y visualizar distribuciones para tener una mejor comprensión de su estructura y rarezas.

Lee mas…

La Inteligencia Artificial es un área de la informática que se ocupa de dar a las máquinas la capacidad de parecer que tienen inteligencia humana que permite que las aplicaciones de software se vuelvan más precisas en la predicción de resultados sin ser explícitamente programas.

puedes aprender inteligencia artificial a través de algunos cursos en línea.

MEJORES CURSOS EN LÍNEA DE INTELIGENCIA ARTIFICIAL:

• Inteligencia Artificial AZ ™: Aprenda a construir una IA
• Inteligencia artificial: aprendizaje automático con Python
• Inteligencia artificial: aprendizaje de refuerzo en Python

elige el primer curso en línea …

de este curso puedes aprender sobre:

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.

y también..

• 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

libros de texto sugeridos para AI:

• Inteligencia artificial: un enfoque moderno por Stuart Russell
• Inteligencia artificial: lo que todos deben saber por Jerry Kaplan
• Inteligencia artificial: un enfoque moderno (3a edición) por Stuart Russell, Peter Norvig

TODO LO MEJOR……

appliedaicourse.com ofrece cursos en línea relacionados con Inteligencia Artificial (IA) y Aprendizaje automático (ML) para aprender un amplio espectro de técnicas de IA y aplicarlas para resolver problemas del mundo real.

Actualmente, ofrecen dos cursos:

• Curso de IA
• Proyectos de IA / estudios de caso

El curso AI consta de más de 140 horas de contenido que cubre temas fundamentales como probabilidad, estadística, álgebra lineal, programación de Python, más de 20 técnicas más utilizadas en clasificación, regresión, agrupación, factorización matricial y aprendizaje profundo. Este curso también tiene más de 10 estudios de casos del mundo real creados con conjuntos de datos del mundo real de compañías como Uber, Amazon, Facebook, Netflix, Quora, etc.

También ayudan a los participantes del curso a construir un portafolio de más de 5 proyectos para mostrar su trabajo a posibles reclutadores. Este curso es muy útil para los estudiantes que buscan seguir carreras en IA. Puede encontrar más información sobre el Curso de IA aquí.

Como ya sabrás, la IA es un tema muy pesado para las matemáticas. Por lo tanto, enseñan algunos de los conceptos más complejos en probabilidad, estadísticas, álgebra lineal, optimización y aprendizaje automático de manera muy intuitiva. Simplifican el contenido sin diluirlo usando geometría. Revise algunos de sus videos de muestra en el sitio web https://appliedaicourse.com para tener una idea de la calidad del contenido y la metodología de enseñanza

Inteligencia artificial
El profesor Patrick Henry Winston lo explicó de la mejor manera posible y también puede seguir un libro de texto:

Inteligencia artificial: un enfoque moderno (3a edición): Stuart Russell, Peter Norvig: 8601419506989: Amazon.com: Libros

Siga estos 6 pasos sencillos para comenzar a aprender inteligencia artificial

PASO 1.) Aprenda Python y SQL

Lo principal que tienes que hacer es asimilar un lenguaje de programación. A pesar del hecho de que hay una considerable cantidad de lenguajes con los que puede comenzar, Python es lo que muchos prefieren comenzar porque sus bibliotecas son mucho más adecuadas para el aprendizaje automático.

Recomendaría los siguientes enlaces:

• Aprendizaje automático con texto en scikit-learn (PyCon 2016)
• Aprendizaje automático en Python con scikit-learn
• Aprendizaje automático con Python

PASO 2.) Aprenda Machine Learning de algunos de los cursos a continuación.

Inteligencia artificial: principios y técnicas de Stanford : un programa educativo fenomenal para estudiantes inspirados en la adaptación de más información sobre IA. El curso se concentra en los estándares fundamentales de IA.

CS405: INTELIGENCIA ARTIFICIAL: CS405 introduce el campo de la inteligencia artificial (IA). Los materiales sobre programación de IA, lógica, búsqueda, juegos, aprendizaje automático, comprensión del lenguaje natural y robótica presentan al alumno los métodos, herramientas y técnicas de IA, su aplicación a problemas computacionales y su contribución a la comprensión de la inteligencia.

Curso edx.org sobre IA : este curso brinda los fundamentos de la Inteligencia Artificial (IA) y los aplica. Diseñe agentes inteligentes para resolver problemas del mundo real, incluidos los de búsqueda, juegos, aprendizaje automático, lógica y problemas de satisfacción de restricciones.

Curso del MIT sobre IA : este curso presenta a los estudiantes la representación del conocimiento básico, la resolución de problemas y los métodos de aprendizaje de la inteligencia artificial. Al finalizar este curso, los estudiantes deberían poder desarrollar sistemas inteligentes mediante el ensamblaje de soluciones a problemas computacionales concretos; comprender el papel de la representación del conocimiento, la resolución de problemas y el aprendizaje en la ingeniería de sistemas inteligentes; y apreciar el papel de la resolución de problemas, la visión y el lenguaje en la comprensión de la inteligencia humana desde una perspectiva computacional.

Aprenda los fundamentos de la IA : este curso se subdivide en 10 lecciones , este curso en línea familiariza a los estudiantes con el universo de la IA. Para entenderlo, asegúrese de tener alguna información esencial de matemática basada en variables directas y la hipótesis de probabilidad que debe aprender teniendo en cuenta el objetivo final para estar preparado.

Profesores de video de Berkeley : recomendaría el conjunto de profesores de video aquí.

También he enumerado los 10 mejores cursos de inteligencia artificial y aprendizaje automático para principiantes y avanzados que lo ayudarán a convertirse en el siguiente maestro de ML que emplea Google o Apple.

PASO 3.) Aprenda los conceptos básicos de la teoría de probabilidad, estadística y matemáticas.

Recomendaría los siguientes enlaces:

• Álgebra lineal – Álgebra lineal – MIT 18.06 Álgebra lineal por Gilbert Strang
• Teoría de la probabilidad – Probabilidad y estadística – MIT 6.041 Análisis de sistemas probabilísticos y probabilidad aplicada por John Tsitsiklis
• Cálculo
• Cálculo multivariante
• Teoría de grafos
• Métodos de optimización

PASO 4.) LIBROS RECOMENDADOS PARA LEER

• http://aima.cs.berkeley.edu/
• Inteligencia artificial: un enfoque moderno , por Stuart J. Russell y Peter Norvig
• http://wps.aw.com/wps/media/obje …
• La búsqueda de la inteligencia artificial , por Nils J. Nilsson
• Inteligencia artificial práctica: programación en Java , por Mark Watson
• https://grey.colorado.edu/CompCo …
• Simplemente lógico: razonamiento inteligente por ejemplo , por Peter Flach
• La revolución de la IA: camino a la superinteligencia
• http://psych.colorado.edu/~oreil …

También he enumerado algunos de los mejores y mejores libros electrónicos gratuitos de IA de aprendizaje automático desde donde puede descargar y poner en marcha Conceptos básicos / estadísticas de aprendizaje automático para que los desarrolladores se vuelvan buenos en la construcción de sistemas de IA rápidamente.

PASO 5. ) PRACTICA POCOS EJERCICIOS

Cuando tenga una comprensión exhaustiva de su lenguaje de programación favorito y suficiente práctica con lo esencial, debe comenzar a aprender más sobre Machine Learning. En Python, comience a aprender las bibliotecas Scikit-learn, NLTK, SciPy, PyBrain y Numpy, que serán valiosas al componer algoritmos de Machine Learning.

Practique algunos ejercicios en Scikit desde el sitio web:

http://scikit-learn.org/

&&

https://www.edx.org/course/artif … – Para practicar ejercicios en Python.

También aquí hay un resumen de activos para que aprendas y perfecciones ML:

http://www.r2d3.us/visual-intro-…

https://www.coursera.org/learn/m …

https://www.cs.cmu.edu/~tom/1070 …

https://code.tutsplus.com/tutorials/how-to-build-a-python-bot-that-can-play-web-games–active-11117

https://www.udacity.com/course/intro-to-artificial-intelligence–cs271

http://ocw.mit.edu/courses/elect …

PASO 6. ) Practica — Aprende — Practica por tu cuenta, paso a paso lentamente te convertirás en un programador de IA .

He enumerado herramientas o software de IA de código abierto gratuitos que puede usar para crear sus soluciones.

También puede asistir a conferencias sobre IA y ver videos sobre IA.

Una vez que se hayan completado todos estos 6 pasos, puede echar un vistazo a estas 99 preguntas de la entrevista Top & Best 99 sobre IA y Machine Learning y comenzar a dar entrevistas si desea comenzar su carrera en AI / ML.

PD: desea conocer los últimos recursos de AI y ML en profundidad en la web, DEBE ver esta página de índice aquí .

¡Buena suerte!

También hay varios libros. Está el libro de Stuart Russell y Peter Norvig: Inteligencia artificial: un enfoque moderno.

Vea también este video de discusión para conocer los beneficios, riesgos y usos de la inteligencia artificial sobre inteligencia artificial.

Para un principiante, supongo, el primer paso debería ser leer blogs simples y artículos de medios sobre IA como estos: Una guía para principiantes sobre IA / ML – Aprendizaje automático para humanos – Medio o la Guía completa para principiantes de inteligencia artificial

Luego, comience a seguir a las personas del mundo de la IA para saber qué es lo último. ¡Esta lista debería ayudar a 5 Blogs y bloggers a seguir si AI te interesa y un profesor increíble!

Esto debería darle claridad sobre qué áreas dentro de la IA le interesan y luego puede hacer un seguimiento más de ellas. Espero que esto ayude !

6 sencillos pasos para comenzar a aprender inteligencia artificial

La inteligencia artificial (IA) es una subdivisión de la ingeniería de software. El objetivo principal es permitir que una PC / teléfono celular inteligente realice ejercicios que normalmente realizan las personas. Para comenzar, dicho en los años 50 en el artículo “Maquinaria e inteligencia informática”, compuesto por el matemático Alan Turing, AI es actualmente un campo excepcionalmente conocido, y hemos impulsado la innovación a “culpa” por eso. Este artículo trata sobre aprender inteligencia artificial y le daremos una guía completa que puede utilizar como punto de partida para aprender inteligencia artificial.

Donde empiezas depende de lo que ya sabes.

A continuación encontrará una lista de recursos para aprender y practicar y cómo comenzar en Inteligencia Artificial en 6 sencillos pasos:

PASO 1. ) Aprenda Python y SQL

Python es lo que muchos prefieren comenzar porque sus bibliotecas se adaptan mucho mejor al aprendizaje automático.

PASO 2. ) Aprenda Machine Learning de un par de cursos.

He enumerado aquí los 10 mejores cursos de inteligencia artificial y aprendizaje automático que lo ayudarán a convertirse en el siguiente maestro de ML que emplea Google o Apple.

PASO 3. ) Aprenda los conceptos básicos de la teoría de probabilidad, estadística, ciencia de datos y algunas matemáticas computacionales.

PASO 4 ). He enumerado aquí algunos de mis libros electrónicos gratuitos favoritos de aprendizaje automático / ciencia de datos desde donde puede descargar y poner en marcha Conceptos básicos / estadísticas de aprendizaje automático para que los desarrolladores se vuelvan buenos en la construcción de sistemas de inteligencia artificial rápidamente.

PASO 5. ) Practique algunos ejercicios en Scikit desde el sitio web:

PASO 6. ) Practique la práctica por su cuenta, paso a paso lentamente se convertirá en programador de IA.

He enumerado aquí herramientas gratuitas de IA de código abierto que puede usar para construir sus soluciones

Una vez que se hayan completado todos estos 6 pasos, puede echar un vistazo a estas preguntas de entrevista sobre IA y comenzar a dar entrevistas si desea comenzar su carrera en AI / ML. ¡Buena suerte!

Para una educación, productos, tendencias e investigación sobre AI de tamaño reducido, siga la cuenta de instagram de Welcome AI en Welcome.AI (@ welcome.ai) • Fotos y videos de Instagram

Esta es una idea interesante que desearía tener 3 meses para probar.

Encuentra un código fuente abierto para un programa de ajedrez. Convierte el programa en un agente. Agente A capaz de reproducir otra copia de sí mismo Agente B. Elimine todos los movimientos de mirar hacia adelante, excepto Checkmate. Un programa siempre buscará Checkmate primero y lo tomará y ganará si puede,

Genere el movimiento del agente al azar de una lista de posibles movimientos legales. una vez que se realiza un movimiento, haga que el programa almacene el resultado si ganó o perdió puntos. Juega los dos agentes uno contra el otro actualizando bases de datos separadas. La base de datos almacena posiciones de tablero comprimido, no mueve listas de los juegos. Por lo tanto, una posición en el tablero donde pierdes a tu reina en el próximo movimiento que hace que pierdas el juego se penaliza junto con todos los otros movimientos que no tuvieron la culpa.

Recompense al Agente que gana agregando uno a todos los valores de los movimientos en su lista de posiciones de tablero que hizo para ese juego. Penalice al Agente que perdió restando 1 de las posiciones del tablero que hizo. Como no tiene que buscar en el árbol porque no está mirando hacia el futuro, debería poder jugar un juego de agente a agente muy rápidamente en menos de un segundo. Con qué rapidez crecerá su base de datos. En este punto, ¿están los programas aprendiendo buenos movimientos de los malos movimientos?

Cada programa debe ser igual si ambos aprenden los mismos movimientos buenos y malos. Hasta ahora no les has permitido usar lo que han aprendido para intentar ganar el juego.

Ajusta el algoritmo para permitirles recordar el mejor movimiento que se encuentra en esta posición del tablero y para nosotros ese, pero no el 100% del tiempo, porque eso atrapa el aprendizaje de aprender cada vez un mejor movimiento. No hay fin a los tipos de experimentos que puede configurar. Y en muchos sentidos, esto es similar a cómo los humanos aprenden a jugar al ajedrez memorizando buenos movimientos y patrones en lugar de mirar hacia adelante todas las combinaciones de 11 movimientos. Si su base de datos comienza a crecer demasiado para su unidad. Puede ejecutar una consulta para eliminar los movimientos con 0 o valores negativos de su base de datos. ¿Puedes enseñar un programa para jugar al ajedrez solo por experiencia y no analizando cada movimiento antes de tiempo?

Agregue un nuevo Agente C para mezclar y el Agente A y el Agente B han jugado durante una semana, pero inicie el Agente C con una base de datos vacía. ¿El Agente A y el Agente B siempre superan al Agente C? ¿Han aprendido? ¿El agente C los alcanzará con el tiempo?

Mientras los agentes se entrenan, lea sobre diferentes algoritmos de aprendizaje y piense cómo podría adaptarse para que uno de sus agentes aprenda mejor.

Otra medida de aprendizaje es cuánto duran tus juegos. ¿Están sus programas tambaleándose hacia jaque mate hasta que acaban de ocurrir o eligen buenas posiciones en el tablero para moverse?