Sumber pada teori, filosofi, alat, dan aplikasi AI [ditutup]

Saya insinyur perangkat lunak / perangkat keras selama bertahun-tahun sekarang. Namun, saya tidak tahu apa-apa tentang AI dan pembelajaran mesin. Saya memiliki latar belakang yang kuat dalam pemrosesan sinyal digital, dan berbagai bahasa pemrograman (seperti C, C ++ atau Swift)

Apakah ada sumber (misalnya buku atau panduan) yang mengajarkan Anda teori dan filosofi AI langsung dari awal, dan kemudian pergi dengan contoh untuk aplikasi kehidupan nyata, alat saat ini, contoh yang dapat Anda jalankan, dll?

Jadi, saya tidak mencari sumber akademis atau statistik.

Jika Anda menginginkan buku dasar yang sangat sederhana tentang Jaringan Saraf Tiruan dan bukan Pembelajaran Mesin, Anda dapat mencoba:

• Jaringan Saraf Tiruan untuk Sains dan Teknik Terapan: Dari Dasar hingga Pengakuan Pola Kompleks oleh Sandhya Samarasinghe
• Fundamentals of Neural Networks: Arsitektur, Algoritma Dan Aplikasi oleh Laurene V. Fausett

Kedua buku ini adalah buku dasar dan sangat sederhana yang dimulai dari awal dan menunjukkan perhitungan dengan tangan pada contoh-contoh sederhana. Juga ini adalah buku berbasis aplikasi kehidupan nyata.

Jika Anda ingin memperkuat teori Anda dan belajar secara komprehensif tentang Pembelajaran Mesin terutama untuk pengenalan pola, buku terbaik sejauh ini adalah:

• Pengenalan Pola dan Pembelajaran Mesin oleh CM Bishop

Buku ini membutuhkan pengetahuan matematika yang baik terutama di bidang Teori Probabilitas, Aljabar Linier, dan Kalkulus.

Dua buku yang sangat teoritis tentang Neural Nets adalah:

• Neural Networks: A Comprehensive Foundation oleh Simon Haykin
• Pengantar Neural Networks oleh James A Anderson jika Anda tertarik pada aspek biologis Neural Nets.

Dari pengalaman saya, ini adalah buku pengantar terbaik. Anda juga dapat melihat berbagai OCW yang dijalankan oleh edx.org seperti Machine Learning for Data Science dan kursus yang sangat direkomendasikan di coursera.org yang dijalankan oleh Profesor Andrew Ng Machine Learning oleh Stanford University

Saya juga menyarankan Anda belajar Python atau R karena kebanyakan digunakan untuk Pembelajaran Mesin karena paket ilmiah mereka yang kuat. Python sangat mudah dipelajari dan diimplementasikan dibandingkan dengan C / C ++.

Sunting: Lupa buku ini. Meskipun, sedikit tingkat lanjut beberapa pengguna mungkin merasa mudah:

• Deep Learning (Seri Adaptive Computation and Machine Learning) oleh Ian Goodfellow

Anda dapat menonton Tutorial Pembelajaran Mesin yang dibuat oleh Google. Sederhana dan komunikasinya sangat jelas. Dalam 6 video Anda bisa mendapatkan pengalaman yang baik dalam Pembelajaran Mesin.

Di sini: Hello World - Resep Pembelajaran Mesin # 1

Ambil saja kelas Pembelajaran Mesin Andrew Ng (lama) di Coursera, atau kelas Pembelajaran Mesin bersama Sebastian Thrun dan Katie Malone di Udacity. Atau keduanya. Itu cara yang cukup cepat untuk mendapatkan pengantar yang bagus dan solid tentang dasar-dasar Pembelajaran Mesin. Kemudian lihat Materi dari kelas di situs http://ai.berkeley.edu dan baca Artificial Intelligence - A Modern Approach . Jika Anda berhasil melewati itu, Anda akan berada pada posisi yang baik untuk pindah ke minat apa pun yang Anda inginkan.

Perlu diingat juga bahwa Anda tidak dapat sepenuhnya menceraikan diri dari matematika yang terlibat dalam bidang ini. Jika Anda belum memiliki latar belakang dalam kalkulus multi-variabel, probabilitas, dan aljabar linier (sebagian besar operasi matriks), maka Anda mungkin perlu mempertimbangkan hal-hal itu.

Anda dapat menonton Tutorial Pembelajaran Mesin yang dibuat oleh Google di sini: Hello World - Resep Pembelajaran Mesin # 1 . Sederhana dan komunikasinya sangat jelas.

Hanya enam baris Python untuk menulis program pembelajaran mesin pertama Anda! Dalam episode ini, kami akan memperkenalkan secara singkat apa itu pembelajaran mesin dan mengapa itu penting. Kemudian, kami akan mengikuti resep untuk pembelajaran terbimbing (teknik untuk membuat classifier dari contoh) dan kode itu.

Ada buku online yang sangat bagus yang memberikan pengantar dan pelatihan menyeluruh tentang bagaimana membangun jaringan saraf adalah Neural Networks dan Deep Learning oleh Michael Nielson. Dalam bab pertama ia menggunakan contoh mengenali digit tulisan tangan dan membahas perceptron, neuron sigmoid, jaring saraf dasar, cara membuat kode dengan Python, dll. Bab-bab selanjutnya membahas konsep dasar jaring saraf lebih dalam lagi.

Saya akan merekomendasikan buku ini bahkan kepada mereka yang sudah memiliki pengalaman dengan jaringan saraf. Ini sumber yang bagus.