답변:
앤드류 응 (Andrew Ng)의 Coursera의 머신 러닝 과정에 대한 소개로 시작하십시오 . 해당 과정에 대한 전제 조건은 많지 않지만 유용한 것들을 만드는 방법을 배웁니다. 더 중요한 것은 다음에 배울 주제를 명확하게 보여줍니다.
AI의 범위는 상당히 크며 여러 영역의 교차점에 있습니다. 그러나 알아야 할 몇 가지 필수 필드 또는 주제가 있습니다.
관심있는 AI 알고리즘을 먼저 살펴 보는 것이 좋습니다. 머신 러닝과 딥 러닝으로 시작하는 것이 좋습니다.
당신이 아마 당신의 시간을 낭비하고있다없이 하나의 매우 중요한 전제 조건, 열정을 잊지 마세요 !
나는 당신에게 제안합니다
당신이 수학에 깊이 가고 싶다면. 이것들을보십시오 :
또한 Ian Goodfellow와 Yoshua Bengio와 Aaron Courville의 딥 러닝에 대한 최고의 딥 러닝 책 중 하나를 제안하고 싶습니다. http://www.deeplearningbook.org/
인공 지능은 매우 넓은 분야이므로 상황이 바뀔 것입니다.
일부 전제 조건 : (CS 학생이기 때문에 충족시켜야 함)
인공 지능 : 현대적 접근 (Stuart J. Russell과 Peter Norvig 저서)이라는 책은 AI 성경으로 간주됩니다. 나는 강하게 당신이 전체 책을 읽고 운동을 해결하는 것이 좋습니다. 이 책의 pdf는 여기 에서 찾을 수 있습니다 . 솔루션 매뉴얼을 보려면이 링크를 방문하십시오 . 책의 하드 카피를 구입할 수 있다면 더 좋습니다.
계산 이론에 대한 지식은 당신에게 큰 도움이 될 것입니다. 특히 자연어 처리 분야에서 일할 때. 관심을 가질만한 AI의 다른 하위 필드는 머신 러닝, 진화 컴퓨팅, 유전자 알고리즘, 강화 학습, 딥 러닝 등입니다. 목록은 계속됩니다.
통계에 대한 지식이 많을수록 인공 지능에 대한 지식이 향상됩니다. 포럼, 웹 사이트 등을 통해 최근에 진행된 상황에 계속 관심을 기울이십시오. Open AI 웹 사이트는 매우 좋은 소스입니다.
다른 답변을 보완하려면 다음을 수행하십시오.
edx에서 Columbia가 제공 한 AI 마이크로 마스터로부터 인공 지능 과정 을 수강하는 것이 좋습니다 .
이 과정은 광범위한 AI 문제를 다루며 가장 중요한 것은 파이썬에서 다양한 응용 프로그램으로 생각할 수있는 일반적인 프레임 워크를 제공한다는 것입니다. 인공 지능 : Peter Norvig와 Stuart Russell 의 현대적인 접근 방식 에 근거
기계 학습의 관점 에서 Andrew Ng 의 기계 학습 과정 인 gokul 은 말했다 . 물론 코스는 좋은 입문 과정이며 잠재적 인 실무자에게 매우 지향적입니다.
개념을 잡기 위해 많은 알고리즘을 실험하기 위해 일부 기계 학습 알고리즘 연구와 통계 프로그래밍 언어 R 을 결합하는 것이 유용하다는 것을 알았습니다 . 유용한 다음 책 : 통계 학습의 요소 및 통계 학습 소개 , 모두 저자의 웹 사이트에서 무료로 사용할 수 있습니다.
좋은 자료를 제안하고 많은 자료가 있지만 인공 지능 (AI)에 관한 최고의 책은 무엇입니까? , 기계 학습 및 인공 지능 소개 -기계 학습
이 비디오 는 머신 러닝 수학에 필요한 수학 지식을 요약 하고이 링크 는 AI 수학에 대해 설명 합니다. 필요한 모든 수학 주제
그 후에이 링크를 볼 수 있습니다