Bagaimana saya memulai dengan kecerdasan buatan?

Apa latar belakang matematika yang diperlukan untuk mulai belajar AI? Apa lagi yang harus saya pelajari?

Mulailah dengan pengantar Andrew Ng untuk kursus Pembelajaran Mesin di Coursera . Tidak banyak prasyarat untuk kursus itu, tetapi Anda akan belajar cara membuat beberapa hal yang bermanfaat. Dan, yang lebih penting, itu akan menunjukkan dengan jelas kepada Anda mata pelajaran mana yang perlu Anda pelajari selanjutnya.

AI memiliki cakupan yang cukup besar dan terletak di persimpangan beberapa area. Namun, ada beberapa bidang atau topik penting yang perlu Anda ketahui

1. Tetapkan teori
2. Logika
3. Aljabar linier
4. Kalkulus
5. Probabilitas dan statistik

Saya akan merekomendasikan Anda untuk terlebih dahulu mengeksplorasi algoritma AI yang Anda mungkin tertarik. Saya menyarankan Anda untuk mulai dengan pembelajaran mesin dan pembelajaran yang mendalam.

Jangan lupa satu prasyarat yang sangat penting, gairah , tanpanya Anda mungkin membuang-buang waktu!

Saya akan menyarankan Anda untuk melakukannya

1. mulai dengan kursus Pembelajaran Mesin Andrew Ng di Coursera. Dia memberikan pengantar singkat untuk matematika yang diperlukan untuk pembelajaran mesin. Meskipun tidak lengkap, itu akan cukup untuk mengikuti kursus.
2. Selanjutnya hati-hati belajar regresi logistik dalam kursus. Fungsi sigmoid akan banyak digunakan dalam jaringan saraf.
3. Dalam kursus, dia akan memperkenalkan Anda ke jaringan saraf dan minimisasi kesalahan menggunakan propagasi balik. Propagasi balik akan menggunakan teknik optimisasi yang disebut Gradient Descent. Ini adalah topik yang sangat penting.
4. Setelah menyelesaikan langkah-langkah di atas, cobalah kursus jaringan saraf Geoff Hinton di Coursera.

Jika Anda ingin masuk jauh dalam matematika. Coba ini:

• Aljabar linier - Gilbert Strang
• probabilitas - akademi khan

Saya juga ingin menyarankan salah satu buku terbaik untuk pembelajaran mendalam: Pembelajaran mendalam oleh Ian Goodfellow dan Yoshua Bengio dan Aaron Courville. http://www.deeplearningbook.org/

Kecerdasan Buatan adalah bidang yang sangat luas dan karenanya hal-hal akan berubah sesuai itu.

Beberapa Prasyarat: (Menjadi siswa CS, Anda seharusnya telah memenuhi mereka)

• Pengetahuan yang baik tentang algoritma dan Struktur Data. Keterampilan ini akan berguna saat memecahkan masalah yang membutuhkan penggunaan pemangkasan alpha-beta, algoritma minimax, dll.
  
• Pengetahuan dasar bahasa pemrograman seperti Java, Python. Python akan membantu karena lebih fokus pada bagian pengembangan. Untuk info lebih lanjut baca ini . Pengetahuan tentang LISP akan sangat membantu. Periksa jawaban ini .
  

Buku, Artificial Intelligence: A Modern Approach (oleh Stuart J. Russell dan Peter Norvig) dianggap sebagai Alkitab AI. Saya sangat menyarankan Anda untuk membaca buku lengkap dan menyelesaikan latihan. Anda dapat menemukan pdf buku di sini . Untuk solusi manual, kunjungi tautan ini . Akan lebih baik jika Anda dapat membeli buku cetaknya.

Pengetahuan tentang Teori Komputasi akan sangat membantu Anda. Terutama saat Anda bekerja di bidang Natural Language Processing. Sub-bidang AI lain yang mungkin menarik bagi Anda adalah Machine Learning, Evolutionary Computing, Genetic Algorithms, Learning Reinforcement, Deep Learning dll. Daftarnya terus berjalan.
Lebih baik pengetahuan Anda dalam Statistik, lebih baik untuk Kecerdasan Buatan. Ikuti perkembangan terkini di lapangan melalui forum, situs web, dll. Situs web AI terbuka juga merupakan sumber yang sangat baik.

Selain jawaban Maheshwar, begitu Anda merasa ingin mencoba Pembelajaran Mesin yang lebih praktis, saya akan mulai dengan Weka . Perangkat lunak ini gratis dan efektif, mereka memiliki manual yang baik dan latihan yang relevan dan ada banyak video gratis yang tersedia di Youtube!

Untuk melengkapi jawaban lain:

Saya sarankan Anda untuk mengambil kursus Kecerdasan Buatan dari mikromaster AI yang diberikan oleh Columbia pada edx.

Kursus ini mencakup berbagai masalah AI dan yang paling penting adalah yang memberi Anda kerangka kerja umum untuk berpikir dengan campuran aplikasi pada python. Berdasarkan buku Inteligensi Buatan: Pendekatan Modern oleh Peter Norvig dan Stuart Russell

Dari perspektif pembelajaran mesin juga kata gokul , kursus Pembelajaran Mesin dari Andrew Ng. on coursera adalah kursus pengantar yang bagus dan sangat berorientasi pada praktisi potensial.

Saya menemukan berguna untuk menggabungkan studi beberapa algoritma pembelajaran mesin dengan bahasa pemrograman statistik R untuk bereksperimen dengan banyak algoritma untuk menangkap konsep. Berguna buku-buku berikut: Elemen Pembelajaran Statistik dan Pengantar Pembelajaran Statistik , keduanya tersedia gratis di situs web penulis.

Karena mereka menyarankan sumber daya yang baik dan ada banyak sumber daya tetapi saya akan merekomendasikan Anda untuk mulai dengan Apa Buku Terbaik Tentang Kecerdasan Buatan (AI)? , Pengantar Pembelajaran Mesin dan Kecerdasan Buatan - Pembelajaran Mesin

Dan ringkasan video ini yang mana pengetahuan matematika yang Anda butuhkan Matematika Pembelajaran Mesin Dan tautan ini menjelaskan Matematika untuk AI: Semua topik matematika penting yang Anda butuhkan

Setelah itu, Anda dapat melihat tautan ini, ini favorit saya

• Pengantar pembelajaran mesin dan Slide tersedia

• Kursus Belajar Penguatan oleh David Silve dan Slide tersedia

• Pengantar Pembelajaran Jauh! oleh Siraj Raval dan kode yang tersedia

• Tutorial Pembelajaran Mesin Praktis dengan Python dan kode yang tersedia