AI 이론, 철학, 도구 및 응용 프로그램에 대한 출처


11

저는 수년간 소프트웨어 / 하드웨어 엔지니어입니다. 그러나 나는 AI와 기계 학습에 대해 아무것도 모른다. 저는 디지털 신호 처리 및 다양한 프로그래밍 언어 (C, C ++ 또는 Swift와 같은)에 대해 잘 알고 있습니다.

AI 이론과 철학을 처음부터 처음부터 배우고 실제 응용 프로그램, 현재 도구, 실행할 수있는 예제 등을 다루는 소스 (예 : 서적 또는 안내서)가 있습니까?

그래서 나는 너무 학문적이거나 통계적인 출처를 찾고 있지 않습니다.

답변:


4

기계 학습이 아닌 신경망에 대한 매우 간단한 기본 책을 원한다면 다음을 시도해보십시오.

이 2 개는 처음부터 시작하여 간단한 예제에서 손으로 계산을 보여주는 기본적이고 매우 간단한 책입니다. 또한 이들은 실제 응용 프로그램 기반 책입니다.

이론을 강화하고 특히 패턴 인식을위한 머신 러닝에 대해 포괄적으로 배우고 싶다면 최고의 책은 다음과 같습니다.

이 책은 특히 확률 이론, 선형 대수 및 미적분학 분야에서 건전한 수학적 지식이 필요합니다.

신경망에 관한 두 가지 매우 이론적 인 책은 다음과 같습니다.

내 경험상 이것들은 최고의 입문서입니다. 또한 데이터 과학을위한 기계 학습 과 같은 edx.org가 운영하는 다양한 OCW 와 Stanford University의 Andrew Ng 기계 학습 교수가 운영하는 coursera.org 에서 강력하게 권장되는 과정을 확인할 수 있습니다.

또한 강력한 과학 패키지로 인해 기계 학습에 주로 사용되므로 Python 또는 R을 배우는 것이 좋습니다. 파이썬은 C / C ++에 비해 프로그램을 배우고 구현하기가 매우 쉽습니다.

편집 :이 책을 잊어 버렸습니다. 약간의 고급 기능이 있지만 일부 사용자는 쉽게 찾을 수 있습니다.



2

Coursera에서 Andrew Ng의 (구) Machine Learning 수업 또는 Udacity에서 Sebastian Thrun 및 Katie Malone과 함께하는 Machine Learning 수업을 받으십시오. 아니면 둘다. 이것이 머신 러닝의 기초를 잘, 견실하게 소개하는 아주 빠른 방법입니다. 그런 다음 http://ai.berkeley.edu 사이트 의 강의에서 자료를보고 인공 지능-현대적인 접근법을 읽으십시오 . 당신이 그것을 통과하면, 당신은 당신의 관심사로 나아갈 수있는 좋은 위치에 있습니다.

이 분야에 관련된 수학과 완전히 이혼 할 수 없다는 점도 명심하십시오 . 다중 변수 미적분학, 확률 및 선형 대수학 (주로 행렬 연산)에 대한 배경 지식이없는 경우 해당 항목을 정리해야 할 수 있습니다.


1

Hello World-Machine Learning Recipes # 1에서 Google이 만든 Machine Learning Tutorial을 볼 수 있습니다 . 간단하고 의사 소통이 매우 명확합니다.

여섯 줄의 파이썬만으로 첫 번째 머신 러닝 프로그램을 작성할 수 있습니다! 이 에피소드에서는 머신 러닝이 무엇이고 왜 중요한지 간략하게 소개합니다. 그런 다음지도 학습을위한 레시피 (예제에서 분류자를 작성하는 기술)를 따라 코딩합니다.


0

신경 네트워크를 구축하는 방법에 대한 철저한 소개와 교육을 제공하는 훌륭한 온라인 서적은 Michael Nielson의 Neural Networks and Deep Learning 입니다. 첫 번째 장에서 그는 손으로 쓴 숫자를 인식하는 예를 사용하고 퍼셉트론, 시그 모이 드 뉴런, 기본 신경망, 파이썬으로 코딩하는 방법 등에 대해 설명합니다. 이후의 장은 신경망의 기본 개념에 대해 더 자세히 설명합니다.

이미 신경망에 경험이있는 사람들에게도이 책을 추천합니다. 훌륭한 자료입니다.

당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.