Wie soll ich mit künstlicher Intelligenz anfangen?

Was ist der mathematische Hintergrund, um AI zu lernen? Was soll ich noch lernen?

Beginnen Sie mit Andrew Ngs Einführung in den Kurs Maschinelles Lernen auf Coursera . Es gibt nicht viele Voraussetzungen für diesen Kurs, aber Sie werden lernen, wie man einige nützliche Dinge macht. Und was noch wichtiger ist, es zeigt Ihnen deutlich, welche Fächer Sie als nächstes lernen müssen.

AI ist ziemlich umfangreich und befindet sich an der Schnittstelle mehrerer Bereiche. Es gibt jedoch einige wichtige Bereiche oder Themen, die Sie kennen müssen

1. Mengenlehre
2. Logik
3. Lineare Algebra
4. Infinitesimalrechnung
5. Wahrscheinlichkeit und Statistik

Ich würde Ihnen empfehlen, zuerst die KI-Algorithmen zu untersuchen, die Sie interessieren könnten. Ich rate Ihnen, mit maschinellem Lernen und Tiefenlernen zu beginnen.

Vergessen Sie nicht eine sehr wichtige Voraussetzung, Leidenschaft , ohne sie verschwenden Sie wahrscheinlich Ihre Zeit!

Ich würde Sie dazu vorschlagen

1. Beginnen Sie mit Andrew Ngs Maschinellem Lernkurs auf Coursera. Er bietet eine kurze Einführung in die Mathematik, die für maschinelles Lernen erforderlich ist. Obwohl nicht vollständig, reicht es aus, den Kurs zu durchqueren.
2. Als nächstes lernen Sie sorgfältig die logistische Regression im Kurs. Die Sigmoid-Funktion wird in neuronalen Netzen weit verbreitet sein.
3. In diesem Kurs wird er Sie mit neuronalen Netzen und der Fehlerminimierung durch Backpropagation bekannt machen. Für die Rückausbreitung wird eine Optimierungstechnik namens Gradient Descent verwendet. Es ist ein sehr wichtiges Thema.
4. Nachdem Sie die obigen Schritte ausgeführt haben, testen Sie den Kurs für neuronale Netze von Geoff Hinton auf Coursera.

Wenn Sie tief in Mathe gehen wollen. Probiere diese:

• Lineare Algebra - Gilbert Strang
• Wahrscheinlichkeit - Khan Akademie

Ich möchte auch eines der besten Bücher für tiefes Lernen vorschlagen: Tiefes Lernen von Ian Goodfellow und Yoshua Bengio und Aaron Courville. http://www.deeplearningbook.org/

Künstliche Intelligenz ist ein sehr weites Feld und daher werden sich die Dinge entsprechend ändern.

Einige Voraussetzungen: (Als Student von CS hättest du sie erfüllen sollen)

• Fundierte Kenntnisse über Algorithmen und Datenstrukturen. Diese Fähigkeit wird nützlich sein, wenn Sie Probleme lösen möchten, die die Verwendung von Alpha-Beta-Bereinigung, Minimax-Algorithmus usw. erfordern.
  
• Grundkenntnisse in Programmiersprachen wie Java, Python. Python wird helfen, da es sich mehr auf den Entwicklungsteil konzentriert. Für weitere Informationen lesen Sie diese . Kenntnisse in LISP sind sehr hilfreich. Gehen Sie diese Antwort durch .
  

Das Buch Künstliche Intelligenz: Ein moderner Ansatz (von Stuart J. Russell und Peter Norvig) gilt als die Bibel der KI. Ich empfehle Ihnen dringend , das gesamte Buch zu lesen und die Übungen zu lösen. Das PDF des Buches finden Sie hier . Das Handbuch zur Lösung finden Sie unter diesem Link. . Es ist besser, wenn Sie eine Hardcopy des Buches kaufen können.

Kenntnisse der Computertheorie werden Ihnen sehr helfen. Besonders, wenn Sie auf dem Gebiet der Verarbeitung natürlicher Sprache arbeiten. Andere Bereiche der KI, die Sie interessieren könnten, sind Maschinelles Lernen, Evolutionäres Rechnen, Genetische Algorithmen, Reinforcement Learning, Deep Learning usw. Die Liste geht weiter.
Verbessern Sie Ihr Wissen in Statistik, und verbessern Sie es für die künstliche Intelligenz. Bleiben Sie über Foren, Websites usw. auf dem Laufenden. Die Open AI- Website ist auch eine sehr gute Quelle.

Zusätzlich zu Maheshwars Antwort würde ich mit Weka beginnen, sobald Sie das Gefühl haben, praktischeres maschinelles Lernen ausprobieren zu wollen . Die Software ist kostenlos und effektiv, sie hat ein gutes Handbuch und relevante Übungen und es gibt viele kostenlose Videos auf Youtube!

Um die anderen Antworten zu ergänzen:

Ich empfehle Ihnen, den Kurs für künstliche Intelligenz zu belegen, der vom AI-Mikromaster von Columbia auf edx angeboten wird.

Der Kurs deckt ein breites Spektrum von AI-Problemen ab. Das Wichtigste ist, dass Sie einen allgemeinen Rahmen zum Denken mit einer Mischung von Anwendungen auf Python erhalten. Basierend auf dem Buch der Künstlichen Intelligenz: Ein moderner Ansatz von Peter Norvig und Stuart Russell

Auch aus der Perspektive des maschinellen Lernens sagte Gokul , der Maschinelle Lernkurs von Andrew Ng. on coursera ist ein guter Einführungskurs und sehr auf einen potenziellen Praktiker ausgerichtet.

Ich fand es nützlich, das Studium einiger Algorithmen für maschinelles Lernen mit der statistischen Programmiersprache R zu kombinieren, um mit vielen Algorithmen zu experimentieren, um die Konzepte zu erfassen. Nützlich sind die folgenden Bücher: Elemente des statistischen Lernens und Einführung in das statistische Lernen , beide sind kostenlos auf den Websites des Autors verfügbar.

Da sie gute Ressourcen vorgeschlagen haben und es viele Ressourcen gibt, empfehle ich Ihnen, mit dem Buch Was ist das beste Buch über künstliche Intelligenz (KI) zu beginnen. , Einführung in maschinelles Lernen und künstliche Intelligenz - Maschinelles Lernen

Und dieses Video fasst zusammen, welche Mathematikkenntnisse Sie für Mathematik des maschinellen Lernens benötigen Und dieser Link erklärt Mathematik für KI: Alle wichtigen mathematischen Themen, die Sie benötigen

Danach können Sie diese Links sehen, die meine Favoriten sind

• Einführung in maschinelles Lernen und die verfügbaren Folien

• Reinforcement Learning Course von David Silve und den Slides verfügbar

• Einführung in Deep Learning! von Siraj Raval und die verfügbaren Codes

• Praktisches Tutorial zum maschinellen Lernen mit Python und den verfügbaren Codes