Free Harvard Course: Introduction To AI With Python - KDnuggets

Återutgiven av Platon

anhängare: 0

Gratis Harvard-kurs: Introduktion till AI med Python
Bild från författaren

Ett av de största problemen som nybörjare möter när de försöker lära sig artificiell intelligens är att välja den bästa resursen. För det finns en basillion resurser där ute. CS50: s introduktion till artificiell intelligens med Python undervisas vid Harvard University är en utmärkt resurs för att lära sig AI.

Under loppet av 7 veckor kommer du först att lära dig grundläggande begrepp inom matematisk logik och grafiska sökalgoritmer. Sedan får du också utforska maskininlärning, neurala nätverk och språkmodeller. Ännu viktigare, du kommer också att bygga flera intressanta projekt när du arbetar dig igenom den här kursen.

Om du vill uppdatera dina programmeringsgrunder innan du tar den här kursen, kolla in CS50x Introduktion till datavetenskap– vilket också är gratis – för att komma igång med programmering och grunderna i datavetenskap.

Låt oss sedan granska kursinnehållet.

Kurslänk: CS50: s introduktion till artificiell intelligens med Python

Med tanke på två punkter A och B syftar sökalgoritmer till att hitta vägen mellan A och B. Och den optimala lösningen är ofta den kortaste vägen mellan A och B. Exempel inkluderar navigatorappar som hittar den kortaste vägen mellan två olika platser.

Den här första modulen om sökning täcker följande ämnen:

Depth-First Search (DFS)
Breadth-First Search (BFS)
Girig bäst-första sökning
En sökning
minimax
Beskärning av alfa-beta

Följande är projekten som du kommer att bygga för denna modul:

Länk: Sök

Den andra modulen fokuserar på kunskapsbaserade agenter som använder befintlig kunskap för att dra slutsatser.

Så sökningen (första modulen) och kunskapsmodulerna är baserade på grafalgoritmer och matematisk logik. Du kommer att få lära dig om maskininlärning och optimering i de efterföljande modulerna.

Den här andra modulen om kunskap omfattar följande:

Propositionell logik
Uppdrag
Slutledning
Modellkontroll
Upplösning
Första ordningens logik

Och projekten som du kommer att bygga är:

Knights: ett program för att lösa logiska pussel mind sweeper och AI för att spela bygga en
Bygga en AI för att spela minsvepare

Länk: Kunskap

Sannolikhet är ett av de viktigaste begreppen när man lär sig maskininlärning. Denna modul lär dig grundläggande begrepp i sannolikhet och slumpvariabler. Du kommer att få bygga två intressanta projekt för att avsluta denna modul.

Denna modul omfattar:

Sannolikhet
Villkorad sannolikhet
Slumpmässiga variabler
Oberoende
Bayesianska nätverk
provtagning
Markov modeller
Dolda Markov-modeller

De projekt du kommer att bygga är:

En AI som rangordnar webbsidor efter betydelse
En AI som bedömer sannolikheten för att en person har en genetisk egenskap

Länk: Osäkerhet

Optimering är ett viktigt matematiskt verktyg som låter dig lösa ett brett spektrum av problem. I grund och botten låter optimering dig hitta den mest optimala lösningen från en uppsättning lösningar.

Denna modul täcker följande optimeringsalgoritmer:

Lokal sökning
bergsklättring
Simulerad glödgning
Linjär programmering
Begränsning tillfredsställelse
Backtracking sökning

För den här modulen kommer du att bygga en AI som genererar korsord.

Länk: Optimering

Det här är modulen där du får utforska maskininlärning och det finurliga i olika maskininlärningsalgoritmer. Du kommer att lära dig paradigm för övervakad, oövervakad och förstärkande inlärning.

De ämnen som tas upp inkluderar:

Klassificering av närmaste granne
Perceptroninlärning
Stöd vektor maskin
Regression
Förlustfunktioner
reglering
Markov beslutsprocess
Q lärande
K-betyder kluster

Följande är projekten för denna modul:

Förutsäga om en kund kommer att slutföra en online
AI som lär sig spela Nim med hjälp av förstärkningsinlärning

Länk: Learning

Denna modul fokuserar på grunderna för djupinlärning. Förutom att lära dig grunderna för djupinlärning kommer du också att lära dig hur du bygger och tränar neurala nätverk med TensorFlow.

Här är en översikt över de ämnen som modulen för neurala nätverk täcker:

Artificiellt nervsystem
Aktiveringsfunktioner
Övertoning
backpropagation
Överanpassning
Tensorflöde
Bildfalsning
Konvolutional neurala nätverk
Återkommande neurala nätverk

För att avsluta din inlärning kommer du att arbeta med ett projekt för igenkänning av trafikmärken.

Länk: Neurala nätverk

Denna sista modul fokuserar på att arbeta med naturligt språk. Från grunderna i språkbehandling till transformatorer och uppmärksamhet, här är listan över ämnen som denna modul täcker:

syntax
Semantik
kontextfri grammatik
N-gram
Påse med ord
Uppmärksamhet
Transformatorer

Här är projekten för denna modul:

En parser som analyserar meningar och extraherar substantivfraser
Maskerad ordförutsägelse

Länk: Språk

Från grafalgoritmer till maskininlärning, djupinlärning och språkmodeller – den här kursen täcker flera grundläggande ämnen inom AI.

Jag är säker på att det kommer att bli en fantastisk lärorik att göra föreläsningarna, granska föreläsningsanteckningar och arbeta med projekt varje vecka. Lycka till med lärandet!

Bala Priya C är en utvecklare och teknisk skribent från Indien. Hon gillar att arbeta i skärningspunkten mellan matematik, programmering, datavetenskap och innehållsskapande. Hennes intresseområden och expertis inkluderar DevOps, datavetenskap och naturlig språkbehandling. Hon tycker om att läsa, skriva, koda och fika! För närvarande arbetar hon med att lära sig och dela sin kunskap med utvecklargemenskapen genom att skriva självstudier, guider, åsiktsartiklar och mer.