Guía para Aprender Inteligencia Artificial Sin Excusas. Escribe Tu Primera Crimson neuronal

Leitfaden, um Künstliche Intelligenz ohne Ausreden zu lernen. Schreibe dein erstes neuronales crimson
Um mit dem Programmieren zu beginnen, muss man ins kalte Wasser springen. Man muss sich engagieren, sich schmutzig machen und oft scheitern. Mit Anstrengung und Hingabe, kann man die Grundlagen in kurzer Zeit lernen.
Es gibt viele Menschen, die bereits anständige Programmierfähigkeiten haben, aber kein Konzept von Künstlicher Intelligenz, Maschinellem Lernen oder anderen Konzepten, die wir euch normalerweise bei Puentes Digitales näherbringen. Für alle von ihnen, eine Nachricht:
Ihr habt keine Ausrede!
Befolgt den Rat von Shival Gupta , den wir euch unten zeigen, und fangt an, euer erstes neuronales purple zu programmieren. Es ist der erste Schritt (und der einfachste) um die Welt der Künstlichen Intelligenz zu erkunden.
Si por otro lado habéis llegado hasta aquí con conocimientos en inteligencia artificial, aprendizaje supervisado y no supervisado y os gustaría profundizar más, os recomendamos nuestro artículo sobre las GAN, las Redes Generativas Antagónicas:
Todo lo que necesitas saber sobre las GAN: Redes Generativas Antagónicas
Todo el mundo está ocupado en nuestros días. Nuestra vida profesional y personal no nos da para más. No encontramos tiempo para aprender algo nuevo.
Encima, algo nuevo y misterioso comienza a aparecer en todos lados. La Inteligencia Artificial es el nuevo escenario del siglo XXI y te das cuenta de que tus habilidades en programación llevan desfasadas al menos dos años.
Die Relevanz eines Full-Stack-Entwicklers wird in einem so sich verändernden Szenario nicht ausreichen. In zwei Jahren, Ein Full-Stack wird nicht vollständig sein, wenn er keine Fähigkeiten in Künstlicher Intelligenz hat.
Ich habe das erkannt und beschlossen, zu handeln. Ich habe getan, was ich für die einzige Option hielt: meine Fähigkeiten als Programmierer zu aktualisieren, meine Denkweise auf Produktorientierung auszurichten und meine Philosophie als Unternehmer auf Daten auszurichten.
Wenn Unternehmen sich nur auf KI der neuesten Generation und auf Machine-Learning-Algorithmen verlassen, um zu konkurrieren, wird es ihnen nicht genügen. KI wird keinen Wettbewerbsvorteil darstellen, sondern eine Voraussetzung sein. Kennst du jemanden, der Elektrizität als Wettbewerbsvorteil nutzt?‘ veröffentlicht – Spiros Margaris, KI- und Fintech-Guru
Meine erste neuronale Pink bauen
Um in die Welt der KI einzutauchen, Der erste Rat ist meist, den Kurs von Andrew Ng auf Coursera zu machen. Es ist eine großartige Ressource zum Lernen, inteligencia artificial Aber es fiel mir schwer, lange genug wach zu bleiben. Es ist nicht so, dass der Kurs schlecht ist, Aber ich habe nicht die Fähigkeit, lange aufmerksam zu sein.
Meine Art zu lernen war schon immer durch praktisches Tun, Also dachte ich, warum nicht? Lasst uns unser eigenes neuronales Crimson erstellen.
Ich wusste, dass ich mich nicht auf komplexe neuronale Netze stürzen sollte, Sondern mich mit den Konzepten vertraut machen sollte. Da meine Programmiererfahrung in Javascript und Node.js liegt, Wollte ich die Sprache noch nicht wechseln.
Así que busqué un módulo de purple neuronal simple llamado nn y lo usé para implementar una puerta AND con una entrada ficticia. Inspirado por este tutorial , elegí el problema de que para cada una de las tres entradas X, Y y Z, la salida debería ser X e Y.
var nn = require('nn') var opts = layers: four , iterations: 300000, errorThresh: 0.0000005, activation: 'logistic', learningRate: 0.4, momentum: zero.5, log: a hundred var net = nn(opts) internet.prepare( enter: zero,0,1 , output: 0 , enter: zero,1,1 , output: zero , Eingang: 1,zero,1 , output: zero , Eingang: 0,1,0 , output: 0 , enter: 1,0,0 , output: 0 , Eingang: 1,1,1 , output: 1 , enter: zero,zero,0 , output: zero ) // sende es einen neuen Input, um den gebildeten Output var var output = ( 1,1,0) (output); //zero.9971279763719718
¡Qué alegría!
Éste fue el primer paso para ganar seguridad. Cuando vi en la salida el número zero.9971, me di cuenta de que la red neuronal había aprendido a hacer una operación AND.
Das ist die Magie des Machine Learning. Du gibst dem Programm einen Datensatz und es verändert seine Parameter, um korrekte Antworten auf einen neuen Datensatz zu liefern, den Fehler zu reduzieren.
Diese Methode ist als Gradientenabstieg bekannt
Ich nährte meinen Geist für künstliche Intelligenz
Einmal war ich voller Vertrauen, nachdem ich mein erstes Programm für künstliche Intelligenz geschrieben hatte, wollte ich wissen, was ich sonst noch mit Machine Learning als Entwickler tun konnte.
Dies waren meine Schritte:
Ich löste ein paar Probleme des überwachten Lernens , wie Regression und Klassifikation
Ich nutzte einen sehr begrenzten Datensatz, um vorherzusagen, welches Team einen Wettbewerb gewinnen würde, unter Verwendung einer multivariaten linearen Regression (Die Vorhersagen waren schrecklich, aber es war großartig).
Ich habe mit den Demos von Google Machine Learning Cloud gespielt, um zu verstehen, was Künstliche Intelligenz heutzutage tun kann (genug, damit Google es als SaaS-Produkt machen konnte)
Ich bin auf das AI Playbook gestoßen , eine unglaubliche Ressource erstellt von Andreessen-Horowitz. Wirklich, eine der praktischsten Ressourcen für Entwickler und Unternehmer.
Ich begann, den erstaunlichen Kanal von Siraj Rawal auf YouTube zu sehen, der sich auf Deep Learning und Maschinelles Lernen konzentriert.
Ich habe diesen unglaublichen Hackernoon-Beitrag gelesen, wie die Showrunner in Silicon Valley die App Not Hotdog gebaut haben. Dies war eines der zugänglichsten Beispiele für Deep Learning, die man machen kann.
Leí los blogs de Andrej Karpathy (Director de IA en Tesla). Aunque no pude entender mucho y me dolía la cabeza, descubrí que, después de intentar un poco más de tiempo, los conceptos realmente comienzan a tener sentido.
Con algo de coraje, empecé a implementar textualmente algunos de los tutoriales de aprendizaje profundo (copiar y pegar) e intenté entrenar el modelo y ejecutar el código en mi máquina local. La mayoría de las veces, era una mierda debido al alto tiempo de entrenamiento que toman la mayoría de los modelos y no tenía una GPU.
Atrapando el tren 'chatbot’
Como soy un gran fan de la película Her , quería construir chatbots. Me lancé al desafío y logré construir uno usando Tensorflow en menos de dos horas. Esbozé este viaje en uno de mis artículos hace unos días.
Glücklicherweise, wurde der Artikel viral und erschien bei TechInAsia, CodeMentor und KDNuggets. Es war ein großartiger Moment für mich, personalmente, weil ich gerade erst mit Technologieblogs angefangen hatte. Ich glaube, dieser Artikel war einer der wichtigsten Momente auf meiner KI-Lernreise.
Er ermöglichte es mir, viele Freunde auf Twitter und LinkedIn zu finden, mit denen ich ausführlich über KI-Entwicklung sprechen kann und sogar Hilfe bekommen kann, wenn ich stecken bleibe. Ich erhielt einige Angebote, um Beratungsprojekte zu machen und, das Beste daran, junge Entwickler und KI-Anfänger begannen, mich zu fragen, wie ich mit KI angefangen habe.
Was uns dazu bringt, warum ich diesen Artikel geschrieben habe:
Um mehr Menschen zu helfen, Hinweise aus meiner eigenen Reise zu nehmen und so ihre eigene zu beginnen.
Salz und Pfeffer
Es war definitiv nicht einfach. Als ich anfing, bei Javascript festzustecken, wechselte ich fast über Nacht zu Python und lernte, in dieser neuen Sprache zu programmieren. Ich fing an, mich zu ärgern, als meine Modelle auf meinem i7-Rechner selbst nach stundenlangem Training nicht trainiert werden konnten, lieferten absurde Ergebnisse zurück, wie eine 50-50-Wahrscheinlichkeit, dass ein Team ein Cricketspiel gewinnt. Künstliche Intelligenz zu lernen ist nicht wie Programmieren lernen.
Außerdem, KI ist nicht nur ein Thema. Es ist ein Begriff, der für alles Mögliche verwendet wird, desde simples problemas de regresión hasta robots asesinos que nos van a matar algún día. Al igual que cualquier otra disciplina en la que te metes, es posible que quieras elegir cosas chulas, como la visión artificial el procesamiento del lenguaje natural, Dios no lo quiera, la dominación mundial.
En una conversación con Gaurav Sharma de Atlantis Capital, un reputado líder de la industria en IA, Fintech y Crypto, me dijo:
En la period de la inteligencia artificial, ser inteligente” significará algo completamente diferente. Necesitamos que las personas sean críticas, creativas y de pensamiento de alto orden; y que los trabajos requieran un alto compromiso emocional.”
Tienes que estar fascinado por cómo las computadoras de repente aprenden a hacer las cosas por cuenta. Die Ruhe und die Maravilla son, die zwei Prinzipien, die uns beben und die Abschiede haben.
Es ist ein großes und großes Leben. Muy agotador, muy irritante y excepcionalmente lento.
Aber ich bin gut und es ist so, wie auf dem anderen Weg in den Mund, éste también comienza con un solo paso.
Fuente: Hackernoon
Comparte esto:
Espero que te sean útiles
Qué buen artículo. Tengo más de 10 años en IT pero 0 en programación. Estoy dando mis primeros pasos con python (un mundo que me está gustando) y pensé en apuntar al full stack. Javascript y react son los siguientes pasos.
Ich will mich nicht auf die Straße oder die Sünde von Kumpel betreiben, dass es ein Kind ist. Ich hoffe, ich kann Zeit haben, sie zu entwickeln.
Ich habe eine existenzielle Frage.
Ich entwerfe das Netzwerk, Ich programmiere in welcher Sprache auch immer, Ich trainiere es, Ich teste es.
Wenn ich das Programm stoppe, schalte ich die Stromversorgung der Hardware aus, die physisch unterstützt.. Wohin geht alles Gelernte?? Wie wird es bewahrt, damit es nicht wieder neu gelernt werden muss, wenn es erneut online geht??
Es fühlt sich an, als müsste ich selbst alles, was ich in der Schule gelernt habe, jedes Mal überprüfen, wenn ich nach einer erholsamen Nacht aufwache, und das frustriert mich.
Viele Grüße.
Der Artikel hat mich überlegt, was Maschinen tun können.
Ich bin ein junger Mensch, der an diesem Bereich interessiert ist,. Und hoffentlich könnt ihr das lesen, Kürzlich nahmen wir an einem Robotikwettbewerb teil, bei dem wir als Projekt ein Machine Learning präsentierten, das in der Lage ist, bestimmte Krankheiten vorherzusagen.
Beim Versuch, mein Projekt zum Leben zu erwecken, stieß ich auf dies und sah, dass es schwieriger ist, als es scheint.
Geben Sie hier Ihren Kommentar ein…
Geben Sie Ihre Daten ein, klicken Sie auf ein Symbol, um sich anzumelden:
E-Mail-Adresse (La dirección no se hará pública)
Name
Web
Neue Einträge per E-Mail erhalten.
Navegador de artículos
Dem Weblog per E-Mail folgen
Introduce tu dirección de correo electrónico para seguir este Weblog y recibir las notificaciones de las nuevas publicaciones en tu buzón de correo electrónico.
Seguir
Ihr Name
A %d blogueros les gusta esto: