kunstig intelligens er et af de mest betydningsfulde gennembrud i det 21.århundrede. Eksperter fra forskellige brancher studerer sine evner og opdager nye måder at anvende det på. Vi kalder AI en ny teknologi, men forskere har arbejdet i denne retning siden 1950’erne.
først var AI langt fra smarte robotter, vi ser i sci-fi-film. Ikke desto mindre blev AI takket være sådanne teknologier som maskinlæring og dyb læring et af de mest lovende områder i IT-branchen., Efterspørgslen efter AI-udviklere vokser konstant, og nogle eksperter forestiller sig en fremtid, hvor computere erstatter mennesker. Selvom det er for tidligt at tale om kunstig intelligens som en trussel, at den arbejdsstyrke, moderne medarbejdere vil helt sikkert drage fordel af at lære mere om denne teknologi, fordi det vil give dem mulighed for at forberede sig til de fremtidige ændringer i deres industrier, og at blive fortrolig med en ny, effektiv og interessant værktøj.
vigtige grunde til at begynde at studere AI
AI kommer ind i vores liv på mange forskellige måder., For eksempel bruger vi assistenter som Ama .on Echo, Google Assistant eller Siri. Når vi spiller videospil, er AI altid vores fjende. Imidlertid ved ikke alle, at AI er til stede, selv i Google Translate og værktøjer, der registrerer spam-meddelelser.
forståelsen af kunstig intelligens åbner mange muligheder. Det er nok at mestre det grundlæggende i denne teknologi for at forstå, hvordan enkle værktøjer fungerer. Når du lærer mere om AI, får du en chance for at blive en udvikler, der vil oprette avancerede AI-applikationer som IBMs IBMATSON eller selvkørende biler. Der er uendelige muligheder på dette område., At studere AI er nødvendigt for en karriere inden for soft .are engineering, hvis du vil arbejde med menneske-maskine grænseflader, neurale netværk og kvante kunstig intelligens. Virksomheder som Ama .on og Facebook bruger AI til at lave indkøbsliste anbefalinger og til at analysere big data. Forståelsen af AI er også nødvendig for hard .areingeniører, der opretter hjemmeassistenter og parkeringsassistenter.
de, der ønsker at begynde at lære AI, har masser af muligheder. For eksempel giver internettet alle mulighed for at tilmelde sig onlinekurser., Nogle af dem er rettet mod mennesker, der allerede har et vist niveau af teknisk viden og fokuserer på kodning, mens andre kurser vil hjælpe selv dem, der ikke har nogen forudgående ekspertise inden for programmering og teknik.
De bedste online AI kurser for 2018
- Lær med Google AI – Dette er et nyt projekt, som blev lanceret af Google til at lade offentligheden forstå, hvad AI er, og hvordan det virker. Selvom ressourcen vokser langsomt, har den allerede et maskinlæringskursus for begyndere, der inkluderer Googles tensorflo. – bibliotek., Dette kursus vil hjælpe selv dem, der ikke ved noget om AI, der dækker det grundlæggende i maskinlæring, introducerer Tensorflo.og forklarer de afgørende principper for design af neurale netværk.
- Stanford University-Machine Learning-Kurset er tilgængeligt på Coursera. Det undervises af grundlæggeren af Google Brain, andre.Ng. Du kan nyde dette kursus gratis eller vælge betalte muligheder, hvis du vil have et certifikat, der kan bruges i fremtiden, når du tager de første skridt hen imod din karriere inden for soft .are engineering., Dette kursus vil gøre dig bekendt med eksemplerne på AI-drevne teknologier fra det virkelige liv, såsom avancerede mekanismer til webebsøgning og talegenkendelse. Du vil også forstå, hvordan neurale netværk lærer.
- Nvidia-Fundamentals of Deep Learning For Computer Vision-Computer vision er en disciplin, der fokuserer på at skabe computere, der er i stand til at analysere den visuelle information, som den menneskelige hjerne gør. Dette kursus dækker de nødvendige tekniske grundlæggende elementer sammen med de praktiske anvendelser af objektklassificering og objektgenkendelse., Du kan studere i dit eget tempo og lære at opbygge din egen neurale netapplikation.
Sådan kommer du i gang med AI
Der er ingen overraskelse, hvis du oplever visse vanskeligheder med at studere kunstig intelligens. Hvis du sidder fast, foreslår vi, at du leder efter en løsning på Kaggle eller sender dine spørgsmål på specifikke fora. Det er også vigtigt at forstå, hvad man skal fokusere på, og hvad man skal gøre først.
Vælg et emne, du er interesseret i
Vælg først et emne, der er virkelig interessant for dig. Det vil hjælpe dig med at forblive motiveret og involveret i læringsprocessen., Fokuser på et bestemt problem og kig efter en løsning, i stedet for bare passivt at læse om alt, hvad du kan finde på internettet.
2. Find en hurtig løsning
pointen er at finde en grundlæggende løsning, der dækker problemet så meget som muligt. Du har brug for en algoritme, der behandler data i en form, der er forståelig for maskinlæring, træne en simpel model, give et resultat og evaluere dens ydeevne.
forbedre din enkle løsning
Når du har et simpelt grundlag, er det tid til kreativitet., Prøv at forbedre alle komponenter og evaluere ændringerne for at afgøre, om disse forbedringer er værd at bruge tid og kræfter. For eksempel giver forbedring af forbehandling og datarensning nogle gange et højere investeringsafkast end at forbedre en læringsmodel selv.
4. Del din løsning
Skriv din løsning op, og del den for at få feedback. Ikke kun får du værdifulde råd fra andre mennesker, men det vil også være den første rekord i din portefølje.,
Gentag trin 1-4 for forskellige problemer
Vælg forskellige problemer, og følg de samme trin for hver opgave. Hvis du er startet med tabeldata, skal du vælge et problem, der involverer at arbejde med billeder eller ustruktureret tekst. Det er også vigtigt at lære at formulere problemer for maskinindlæring korrekt. Udviklere er ofte nødt til at omdanne nogle abstrakte forretningsmæssige mål til konkrete problemer, der passer til specifikationerne for maskinlæring.
6., Gennemfør en Kaggle-konkurrence
denne konkurrence giver dig mulighed for at teste dine evner og løse de samme problemer, som mange andre ingeniører arbejder på. Du bliver tvunget til at prøve forskellige tilgange og vælge de mest effektive løsninger. Denne konkurrence kan også lære dig samarbejde, da du kan deltage i et stort samfund og kommunikere med folk på forummet, dele dine ideer og lære af andre.
brug maskinlæring professionelt
Du skal bestemme, hvad dine karrieremål er, og oprette din egen portefølje., Hvis du ikke er klar til at ansøge om maskinlæringsjob, skal du kigge efter flere projekter, der vil gøre din portefølje imponerende. Deltag civic hackathons og kigge efter data-relaterede positioner i samfundstjeneste.
konklusion
den grundlæggende forståelse af AI og maskinlæring bliver mere og mere værdifuld inden for ethvert forretningsområde og ethvert erhverv. Takket være forskellige onlinekurser behøver du i dag ikke at gå på universitetet for at lære denne komplekse og interessante teknologi., Selvom du ikke har nogen forudgående erfaring inden for teknik, kan du lære kunstig intelligens hjemmefra og begynde at anvende din viden i praksis, skabe enkle maskinlæringsløsninger og tage første skridt hen imod dit nye erhverv.