¿Cuál es el conocimiento de fondo requerido para estudiar Deep Learning for AI?

Deep Learning Foundations tiene que ver con redes neuronales, sus antecedentes y conceptos.

La IA es un tema amplio que va desde calculadoras simples hasta tecnología de autodirección hasta algo que podría cambiar radicalmente el futuro. y también es el estudio de la informática que se centra en el desarrollo de software o máquinas que exhiben inteligencia humana. Una vez que tenga una comprensión profunda de su lenguaje de programación preferido y suficiente práctica con los conceptos básicos, se volverá fácil estudiar sobre el aprendizaje profundo de la IA. Es necesario aprender matemáticas avanzadas para obtener conocimientos.

Puede obtener el conocimiento sobre el DL para AI a través de algunos cursos en línea:

Aquí hay algunos cursos en línea para usted:

Inteligencia Artificial AZ ™: aprende cómo construir una IA

De esto puedes aprender:

· Entender la intuición detrás de la inteligencia artificial.

· Aplicar la inteligencia artificial en la práctica.

· Entender la intuición detrás de la Convolución AI.

· Aplicar la convolución AI en la práctica.

· Entender la intuición detrás de AI recurrente

· Aplicar IA recurrente en la práctica.

· Entender la intuición detrás de los mapas autoorganizados

· Aplicar mapas auto-organizativos en la práctica.

· Entender la intuición detrás de las máquinas de Boltzmann

· Aplicar las máquinas de Boltzmann en la práctica.

· Entender la intuición detrás de Auto Encoders

· Aplicar Auto Encoders en la práctica.

Una rama de la Informática llamada Inteligencia Artificial persigue la creación de computadoras o máquinas tan inteligentes como los seres humanos.

Hay algunos cursos adicionales más sobre esta IA en el aprendizaje profundo:

Cursos adicionales:

· Inteligencia artificial: Aprendizaje de refuerzo en Python

· IA avanzada: Aprendizaje de refuerzo profundo en Python

· Las promesas de aprendizaje profundo para la IA.

· Lo que los profesionales y los científicos de investigación tienen que decir sobre la promesa de un aprendizaje profundo en IA

· Métodos clave de aprendizaje profundo y aplicaciones para la IA.

En este curso resolveremos seis desafíos del mundo real:

· Redes neuronales artificiales para resolver un problema de abandono de clientes

· Redes neuronales convolucionales para el reconocimiento de imágenes.

· Redes neuronales recurrentes para predecir los precios de las acciones.

· Mapas autoorganizados para investigar el fraude.

· Máquinas Boltzmann para crear un sistema de recomendación.

· Codificadores automáticos apilados * para enfrentar el desafío del premio Netflix de $ 1 millón

ADEMÁS………

· La inteligencia artificial es una forma de hacer que una computadora, un robot controlado por computadora o un software piensen de manera inteligente , de la misma manera que piensan los humanos inteligentes.

· La IA se logra al estudiar cómo piensa el cerebro humano y cómo los humanos aprenden, deciden y trabajan mientras intentan resolver un problema, y ​​luego utilizan los resultados de este estudio como base para desarrollar software y sistemas inteligentes.

TAMBIÉN PUEDES IR A TRAVÉS DE ALGUNOS LIBROS DE TEXTO:

LIBROS SUGERIDOS (PARA PROPÓSITO DE REFERENCIA SOLAMENTE):

· Deep Learning (Adaptive Computation y Machine Learning series) por Ian Goodfellow & Yoshua Bengio & Aaron Courville

· Aprendizaje profundo: el enfoque de un practicante por Josh Patterson y Adam Gibson

Antes de comenzar a aprender y contribuir al campo de la IA, lea cómo la IA está cambiando rápidamente el mundo.

TODO LO MEJOR………

Depende de lo que le interese. El aprendizaje profundo es una palabra de moda que comercializa lo que realmente es un logro de ingeniería. Parece que estás afectado por la exageración.

Primero necesitas aprender un poco acerca de la clasificación en aprendizaje automático. Solo para tener una idea de lo que es la capacitación en aprendizaje automático y comprender para interpretar los resultados de clasificadores básicos como vecinos más cercanos o árboles de decisión.

Entonces deberías aprender sobre redes neuronales. El aprendizaje profundo utiliza redes neuronales [recurrentes] en una escala masiva. El fundamento teórico se desarrolló principalmente en la década de 1980 y se produjeron algunos avances más a principios de la década de 2000. Si quieres aprender la teoría, lee la literatura de la red neuronal. Para comprender que necesita saber álgebra lineal y matricial (los perceptrones son simples separadores lineales). No es muy complicado.

La ingeniería (implementación) de redes profundas, es simplemente armar un número masivo de neuronas. Aquí es donde realmente entra la parte más difícil. Debe hacerlo rápido, y para eso debe hacer que muchos sistemas funcionen de manera eficiente. Es probable que desee saber cómo realizar una programación eficiente de GPU, así como la ingeniería de sistemas distribuidos.

También necesita mucho tiempo de efectivo -> procesador para construir y ejecutar el sistema en él.

Sugiero aprender la mecánica estadística, los grupos de renormalización, y comenzar a ver algunos de los artículos recientes sobre el aprendizaje profundo cuántico. Además, empieza a pensar en el aprendizaje profundo inspirado en la biología. El aprendizaje profundo es muy profundo en la física, así que repáselo. Revisar un poco de álgebra moderna podría ayudar. Tal vez la óptica y el magnetismo para que pueda construir sus métodos de aprendizaje profundo en hardware exótico. Además, si puedes, trata de tomar una clase de química teórica.

También ayuda poder codificar, supongo y hacer cosas en GPU, pero eso es secundario para que el Deep Learning real funcione prácticamente en el mundo real.

No soy un experto y probablemente estoy diciendo tonterías, pero lo intento.

Depende de cuán profunda sea la IA.
Gradualmente, necesita: electrónica para hardware, informática para software, matemáticas y física para aportaciones sensoriales y elaboración, neurociencia para imitar las funciones y organizaciones del cerebro humano, psicología para imitar las prioridades humanas para elegir los interruptores más profundos.