![]() |
![]() |
![]() |
![]() |
Что делать, если вы хотите изучать ИИ, но не шарите в математике? Часть первая. Теория |
|
МЕНЮ Искусственный интеллект Поиск Регистрация на сайте Помощь проекту ТЕМЫ Новости ИИ Искусственный интеллект Разработка ИИГолосовой помощник Городские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Слежка за людьми Угроза ИИ ИИ теория Внедрение ИИКомпьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Распознавание лиц Распознавание образов Распознавание речи Техническое зрение Чат-боты Авторизация |
2017-03-06 21:05 ![]() Рассказывает Даниель Джеффрис Вы наверняка заинтересованы искусственным интеллектом. Может, вы бы хотели копнуть поглубже и написать программу для распознавания изображений на базе TensorFlow или Theano; может, вы отличный специалист в программировании или архитектурах систем и прекрасно разбираетесь во всём, что связано с компьютерами; всё это неплохо, но если одна маленькая проблема: Вы не шарите в математике. Это нормально! У меня была такая же проблема, и я готов поделиться с вами книгами и сайтами, которые помогут вам быстро разобраться в теме. Как и многие из вас, я полюбил умную технику не во время пар по матану, а при знакомстве с научной фантастикой. Когда я смотрел «Космическую одиссею» и «Призрака в доспехах», то представлял, как величественная сущность однажды выйдёт из сияющего моря информации и объявит себя разумной. В дальнейшем, когда я стал писать книги в жанре sci-fi, я представлял ИИ как скрытую силу, которая находится всегда и везде, как электричество. Но всё шло не так гладко. Почти ничего из обещаний 80-х и 90-х не сбылось. Всё изменилось совсем недавно, после внезапного успеха глубинного обучения. Может, вы вспомните историю о том, как Google почти мгновенно улучшила свои сервисы настолько, что они стали способны давать фору опытным переводчикам? А может, ту, что рассказывала о пареньке, собравшем в своём гараже беспилотную машину при помощи открытого софта? Ещё можно взглянуть на диаграмму ниже и понять, что за несколько лет системы распознавания изображений стали справляться с задачами лучше людей.
Так или иначе, ИИ помогает решать большие проблемы, которые оставались нерешёнными в течение десятилетий. Мы умеем водить автомобили, но не можем сказать машинам, как это делать. Так почему бы не дать им научиться этому самостоятельно? Лучшие исследователи в области ИИ зарабатывают больше футболистов, и вас тоже коснётся эта «золотая лихорадка». Кроме того, вы наверняка слышали эти страшные истории о том, что ИИ будет выполнять всю работу за вас, и, будучи простым разработчиком или сисадмином, вы хотите получить необходимые навыки для выживания в будущем мире ИИ. Проблем с этим нет. В Сети есть куча руководств. Стоит только начать, так? Но потом вы наткнётесь на что-то подобное в какой-нибудь книге по машинному обучению:
Ух ты. Беда в том, что вам нужно разобраться с целым слоем взаимосвязанных логики, терминов, символов и идей, о котором вы не имеете ни малейшего понятия. Как инопланетный язык, право слово. Вступление вы ещё поймёте, а всё остальное — вряд ли. Но не стоит бояться! Ещё не всё потеряно. Я попробовал прочитать несколько книг и руководств по ИИ. Я интуитивно понимаю принципы. Но когда я вижу строку символов, мой мозг взрывается. Будучи системным архитектором, я редко сталкивался с математикой. У меня есть шпаргалки по IP подсетей, и знания о том, как далеко по проводу может пойти электричество. Большую часть своей жизни мне достаточно было понимать, как настроить систему и поддерживать её в рабочем состоянии. Системное администрирование вообще очень простое. Всё или работает, или нет. С ИИ же всё не так просто. Мне нужны были материалы для взрослых, в которых к читателю относятся, как к взрослому. Также мне нужны были книги, которые объясняют, почему математика работает. В школе резоном учиться скорее всего были угрозы родителей, но теперь, когда вы повзрослели, это не поможет. Вы хотите узнать, как устроены вещи. Вот первая книга, которая вам понадобится. Она прекрасно объясняет все «как» математики, используя реальные примеры и философию. После прочтения вы поймёте, что математика — это просто слой абстракций. Она разбивает задачи на маленькие, более простые. На самом деле жизнь — это просто сложный набор алгоритмов. Но в этом и находится весь смысл. Математика позволяет абстрагироваться от конкретных условий, ведь всё вокруг — это лишь переменные и правила, и их легко выучить! В ходе чтения книги вам точно понадобится этот сайт, где описаны все основные математические символы. Чтобы их запомнить, их наверняка придётся прочитать сотни раз. И других способов — нет. После этого стоит прочесть ещё две книги: Mathematics for the Nonmathemetician и No Bullshit Guide to Math and Physics. Первая гораздо длиннее: она углубляется в историю математики и принципы её устройства. Некоторым понравится таком подход. Вторая же короче и не объясняет, почему что-то работает так, как работает. По сути, это просто набор правил. После того, как вы разберетесь с математикой, вам стоит прочитать книгу Make Your Own Neural Network. В ней встречаются опечатки, но почти все они исправлены в этом GitHub-репозитории. Книга весьма понятна и эффективно борется с вашими страхами и сомнениями. Сперва разбирается необходимый слой математики (ничего лишнего), а затем начинается работа с Python, с нулевого уровня знаний. В результате вы сможете написать свою нейронную сеть. После этой книги вам стоит поискать информацию в Сети. Различные руководства выходят буквально каждый день. Взгляните, например, на Tensorflow for Poets или Recurrent Neural Networks for Artists. Также можно прочитать эту статью, обозревающую различные курсы для повышения своих навыков. А если вы предпочитаете учиться в одиночку, то вам пригодятся эти серии статей: Simple Reinforcement Learning with Tensorflow и Machine Learning is Fun. И, наконец, вы можете захотеть почитать что-то более серьёзное. В таком случае вам понадобится книга Deep Learning. Вот и всё. Делитесь своими книгами в комментариях, ведь у всех разные вкусы, да и книг по этой теме написано тоже очень много. Источник: tproger.ru ![]() Комментарии: |
|