Sono ingegnere software / hardware da molti anni. Tuttavia, non so nulla di AI e machine learning. Ho una solida preparazione nell'elaborazione del segnale digitale e vari linguaggi di programmazione (come C, C ++ o Swift)
Ci sono fonti (ad esempio libri o guide) che ti insegnano da zero la teoria e la filosofia dell'IA, e poi vanno con esempi di applicazioni della vita reale, strumenti attuali, esempi che puoi eseguire, ecc.?
Quindi, non sto cercando fonti troppo accademiche o statistiche.
Risposte:
Se desideri un libro di base molto semplice sulle reti neurali e non esattamente sull'apprendimento automatico puoi provare:
Questi 2 sono libri di base e molto semplici che partono da zero e mostrano i calcoli a mano su semplici esempi. Anche questi sono libri basati sull'applicazione nella vita reale.
Se vuoi rafforzare la tua teoria e apprendere in modo completo sull'apprendimento automatico, in particolare per il riconoscimento di schemi, il miglior libro di gran lunga è:
Questo libro richiede solide conoscenze matematiche soprattutto nel campo della teoria della probabilità, dell'algebra lineare e del calcolo.
Altri due libri molto teorici sulle reti neurali sono:
Dalla mia esperienza, questi sono i migliori libri introduttivi. Inoltre puoi consultare vari OCW gestiti da edx.org come Machine Learning for Data Science e un corso altamente raccomandato su coursera.org tenuto dal Professor Andrew Ng Machine Learning dell'Università di Stanford
Vorrei anche suggerirti di imparare Python o R in quanto viene utilizzato principalmente per Machine Learning grazie ai loro potenti pacchetti scientifici. Python è molto facile da imparare e implementare programmi rispetto a C / C ++.
Modifica: ho dimenticato questo libro. Anche se un po 'avanzato alcuni utenti potrebbero trovarlo facile:
Puoi guardare il Tutorial di Machine Learning realizzato da Google. È semplice e la comunicazione è molto chiara. In 6 video puoi avere una buona esperienza in Machine Learning.
Qui: Hello World - Ricette # 1 per l'apprendimento automatico
Segui il corso di Machine Learning di Andrew Ng su Coursera o il corso di Machine Learning con Sebastian Thrun e Katie Malone su Udacity. O entrambi. È un modo piuttosto rapido per ottenere una buona e solida introduzione alle basi di Machine Learning. Quindi guarda il Materiale della classe sul sito http://ai.berkeley.edu e leggi Intelligenza artificiale - Un approccio moderno . Se riesci a superare questo, sarai in una buona posizione per passare a qualunque cosa ti interessi.
Tieni presente anche che non puoi separarti completamente dalla matematica coinvolta nel campo. Se non hai già un background in calcolo multi-variabile, probabilità e algebra lineare (principalmente operazioni a matrice), potrebbe essere necessario approfondire quella roba.
Puoi guardare il Tutorial di apprendimento automatico realizzato da Google qui: Hello World - Ricette di apprendimento automatico n . 1 . È semplice e la comunicazione è molto chiara.
Sei righe di Python sono tutto ciò che serve per scrivere il tuo primo programma di apprendimento automatico! In questo episodio, introdurremo brevemente cos'è l'apprendimento automatico e perché è importante. Quindi, seguiremo una ricetta per l'apprendimento supervisionato (una tecnica per creare un classificatore dagli esempi) e codificarlo.
Esiste un eccellente libro online che fornisce un'introduzione e una formazione approfondite su come costruire reti neurali è Neural Networks e Deep Learning di Michael Nielson. Nel primo capitolo usa l'esempio del riconoscimento delle cifre scritte a mano e analizza i percettroni, i neuroni sigmoidi, le reti neurali di base, come codificarle in Python, ecc. I capitoli successivi approfondiscono i concetti di base delle reti neurali.
Consiglierei questo libro anche a coloro che hanno già esperienza con le reti neurali. È una grande risorsa.