Ingyenes Harvard-tanfolyam: Bevezetés az AI-ba Python segítségével - KDnuggets

Újra kiadta Platón

Követő: 0

Ingyenes Harvard-tanfolyam: Bevezetés az AI-ba Python segítségével
Kép a szerzőtől

Az egyik legnagyobb probléma, amellyel a kezdők szembesülnek a mesterséges intelligencia elsajátítása során, a legjobb erőforrás kiválasztása. Mert egy bazillió erőforrás van odakint. CS50 Bevezetés a mesterséges intelligenciába Python-nal A Harvard Egyetemen tanított kiváló forrás az AI megtanulásához.

A 7 hét során először megtanulja a matematikai logika és a grafikonok keresési algoritmusainak alapvető fogalmait. Ezután a gépi tanulást, a neurális hálózatokat és a nyelvi modelleket is felfedezheti. Ennél is fontosabb, hogy a tanfolyam során több érdekes projektet is építhet.

Ha szeretné felfrissíteni programozási alapjait a tanfolyam elvégzése előtt, nézze meg CS50x Bevezetés a számítástechnikába– amely szintén ingyenes –, hogy felgyorsuljon a programozás és a számítástechnika alapjaival.

Ezután tekintsük át a tanfolyam tartalmát.

A tanfolyam linkje: CS50 Bevezetés a mesterséges intelligenciába Python-nal

Adott két A és B pont, a keresési algoritmusok célja az A és B közötti útvonal megtalálása. Az optimális megoldás gyakran az A és B közötti legrövidebb út. Ilyenek például a navigátoralkalmazások, amelyek megtalálják a legrövidebb útvonalat bármely két hely között.

Ez az első keresési modul a következő témákat fedi le:

Mélységi keresés (DFS)
Breadth-First Search (BFS)
Mohó legjobb első keresés
Egy keresés
Minimax
Alfa-béta metszés

Az alábbiakban felsoroljuk azokat a projekteket, amelyeket ehhez a modulhoz fog építeni:

Link: Keresés

A második modul a tudásalapú ágensekre összpontosít, amelyek a meglévő tudást használják fel következtetések levonására.

Tehát a keresés (első modul) és a tudásmodulok gráfalgoritmusokon és matematikai logikán alapulnak. A következő modulokban megismerheti a gépi tanulást és az optimalizálást.

Ez a második tudásmodul a következőket fedi le:

Propozíciós logika
Következmény
Következtetés
Modell ellenőrzés
Felbontás
Elsőrendű logika

És a projektek, amelyeket meg fog építeni:

Knights: egy program a logikai rejtvények megoldására, elmeseprő és mesterséges intelligencia, amellyel építeni lehet
AI készítése aknakereső játékhoz

Link: Tudás

A valószínűség az egyik legfontosabb fogalom a gépi tanulás tanulása során. Ez a modul a valószínűségi és a valószínűségi változók alapvető fogalmait tanítja meg. Ennek a modulnak a lezárásához két érdekes projektet építhet fel.

Ez a modul a következőket tartalmazza:

Valószínűség
Feltételes valószínűség
Véletlen változók
Függetlenség
Bayesi hálózatok
Mintavétel
Markov modellek
Rejtett Markov modellek

Az Ön által épített projektek a következők:

AI, amely fontosság szerint rangsorolja a weboldalakat
Egy mesterséges intelligencia, amely felméri annak valószínűségét, hogy egy személy genetikai tulajdonságokkal rendelkezik

Link: Bizonytalanság

Az optimalizálás egy fontos matematikai eszköz, amely lehetővé teszi számos probléma megoldását. Az optimalizálás lényegében lehetővé teszi a legoptimálisabb megoldás megtalálását a megoldások halmazából.

Ez a modul a következő optimalizálási algoritmusokat fedi le:

Helyi keresés
hegymászás
Szimulált lágyítás
Lineáris programozás
Kényszer elégedettség
Keresés visszafelé

Ehhez a modulhoz olyan mesterséges intelligenciát kell építeni, amely keresztrejtvényeket generál.

Link: Optimalizálás

Ez az a modul, amelyben felfedezheti a gépi tanulást és a különféle gépi tanulási algoritmusok alapjait. Megtanulja a felügyelt, felügyelet nélküli és megerősített tanulási paradigmákat.

A tárgyalt témák a következők:

Legközelebbi szomszéd besorolás
Perceptron tanulás
Támogatja a vektor gépet
Regresszió
Veszteségfüggvények
Szabályozás
Markov döntési folyamata
Q tanulás
K-Means klaszterezés

A modul projektjei a következők:

Megjósolja, hogy az ügyfél online teljesít-e
AI, amely megtanulja játszani a Nim-et megerősítési tanulás segítségével

Link: Tanulás

Ez a modul a mély tanulás alapjaira összpontosít. Amellett, hogy megtanulja a mély tanulás alapjait, azt is megtanulja, hogyan építsen fel és tanítson neurális hálózatokat a TensorFlow segítségével.

Íme egy áttekintés azokról a témákról, amelyeket a neurális hálózatok modul tárgyal:

Mesterséges idegi hálózat
Aktiválási funkciók
Színátmenet
Visszaszaporítás
Túlfeszítés
tenzor áramlás
Képkonvolúció
Konvolúciós neurális hálózatok
Ismétlődő ideghálózatok

A tanulás befejezéseként egy közlekedési tábla felismerési projekten fogsz dolgozni.

Link: Neurális hálózatok

Ez az utolsó modul a természetes nyelvvel való munkára összpontosít. A nyelvi feldolgozás alapjaitól a transzformátorokig és a figyelemig íme a modul által tárgyalt témák listája:

Szintaxis
Szemantika
kontextus mentes nyelvtan
N-gramm
Szavak zsákja
Figyelem
transzformerek

Íme a modul projektjei:

Egy elemző, amely mondatokat elemzi és főnévi kifejezéseket bont ki
Maszkos szójóslás

Link: Nyelv

A gráfalgoritmusoktól a gépi tanulásig, a mély tanulásig és a nyelvi modellekig – ez a kurzus az AI számos alapvető témáját fedi le.

Biztos vagyok benne, hogy az előadások megtartása, a jegyzetek áttekintése és a projekteken való munka minden héten nagyszerű tanulási élmény lesz. Boldog tanulást!

Bala Priya C egy indiai fejlesztő és műszaki író. Szeret a matematika, a programozás, az adattudomány és a tartalomkészítés metszéspontjában dolgozni. Érdeklődési területe és szakértelme a DevOps, az adattudomány és a természetes nyelvi feldolgozás. Szeret olvasni, írni, kódolni és kávézni! Jelenleg a tanuláson és tudásának a fejlesztői közösséggel való megosztásán dolgozik oktatóanyagok, útmutatók, véleménycikkek és egyebek készítésével.