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

Guide to learning Artificial Intelligence without excuses. Write your first neural crimson
To start programming you have to dive into the pool. You have to get involved, get messy and fail a lot. With effort and dedication, you can learn the basics in a short time.
There are many people who already have decent programming skills, but who don’t have any concept of Artificial Intelligence, Machine Learning or other concepts that we usually bring to you at Puentes Digitales. For all of them, a message:
You have no excuse!
Follow the advice of Shival Gupta , that we show you below, and start programming your first neural purple. It is the first step (and the easiest) to start exploring the world of Artificial Intelligence.
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.
The relevance of a full-stack developer will not be enough in such a changing scenario. In two years, a full-stack will not be complete if they do not have skills in Artificial Intelligence.
I realized this and decided to take action. I did what I believed was the only option: update my skills as a programmer, my way of thinking to be product-oriented and my philosophy as an entrepreneur to be data-oriented.
If companies rely only on cutting-edge AI and Machine Learning algorithms to compete, it will not be enough for them. AI will not be a competitive advantage, but a requirement. Do you know anyone who uses electricity as a competitive advantage?" – Spiros Margaris, AI and fintech guru
Building my first neural pink
To delve into the world of AI, the first advice is usually to take Andrew Ng's Coursera course. It's a great resource for learning, artificial intelligence but I struggled to stay awake long enough. It's not that the course is bad, but I don't have the capacity to stay attentive for long.
My way of learning has always been through practice, so I thought, why not? Let's make our own crimson neural network.
I knew I shouldn't go for complex neural networks, but rather get familiar with the concepts. Since my programming experience is in Javascript and Node.js, I didn't want to switch languages yet.
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 , input: 1,zero,1 , output: zero , input: 0,1,0 , output: 0 , enter: 1,0,0 , output: 0 , input: 1,1,1 , output: 1 , enter: zero,zero,0 , output: zero ) // ship it a new enter to see its educated output 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.
Ésta es la magia del Machine Learning. Le das al programa un conjunto de datos y éste va modificando sus parámetros para dar respuesta correcta ante un nuevo set de datos, reduciendo el error.
Este método se conoce como gradiente descendente
Cebando mi mente para la inteligencia artificial
Una vez que estaba lleno de confianza, después de haber realizado mi primer programa de inteligencia artificial, quise saber qué más podía hacer con el machine studying como desarrollador.
Estos fueron mis pasos:
Solucioné un par de problemas de aprendizaje supervisado , como la regresión y la clasificación
Utilicé un conjunto de datos muy limitado para tratar de predecir qué equipo ganaría una competición, usando una regresión lineal multivariante (Las predicciones fueron terribles, pero fue genial).
Jugué con las demos de Google Machine Learning Cloud para comprender qué puede hacer la Inteligencia Artificial a día de hoy (lo suficiente como para que Google lo hiciera como un producto SaaS)
Me topé con AI Playbook , un recurso increíble montado por Andreessen-Horowitz. Verdaderamente, uno de los recursos más prácticos para desarrolladores y emprendedores.
Comencé a ver el asombroso canal de Siraj Rawal en YouTube que se centra en Deep Learning y Machine Studying.
Leí esta increíble publicación Hackernoon sobre cómo los showrunners en Silicon Valley construyeron la aplicación Not Hotdog. Este fue uno de los ejemplos más accesibles de aprendizaje profundo que se puede hacer.
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.
Fortunately, the article went viral and appeared on TechInAsia, CodeMentor and KDNuggets. It was a great moment for me, personally, because I had just started with tech blogs. I think this article has been one of the most important moments in my AI learning journey.
It allowed me to make many friends on Twitter and LinkedIn, with whom I can talk about AI development in depth and I can even get help if I get stuck. I received some offers to do consulting projects and, best of all, young AI developers and starters began asking me how I started with AI.
Which brings us to why I wrote this article:
To help more people take clues from my own journey and thus start theirs.
Salt and Pepper
It definitely wasn't easy. When I started getting stuck with Javascript, I jumped to Python almost overnight and learned to code in this new language. I began getting frustrated when my models couldn't train on my i7 machine even after hours of training, they returned absurd results, like a 50-50 probability of a team winning a Cricket match. Learning Artificial Intelligence is not like learning to program a net.
In addition, AI is not just a topic. It is a generic term used for anything, 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.”
You have to be fascinated by how computers suddenly learn to do things on their own. Patience and wonder are the two key principles you must hold on to.
This is a great, great journey. Very exhausting, very frustrating and exceptionally slow.
But the good thing is, like any other journey in the world, this one also begins with a single step.
Fuente: Hackernoon
Comparte esto:
I hope they are useful to you
What a good article. I have more than 10 years in IT but 0 in programming. I am taking my first steps with Python (a world that I am enjoying) and I thought about going for full stack. JavaScript and React are the next steps.
Nevertheless, AI has me attracted and without a doubt it is the future. I hope to have time to develop it.
I have an existential doubt.
I design the network, I code in whatever language, I train it, I test it.
When I stop the program, I cut off the power to the hardware that physically supports it.. Where does everything it has learned go?? How is it preserved so that it doesn't have to re-learn everything again when it goes online again??
I feel like I myself have to review everything I learned in school every time I wake up after a restorative night's sleep, and that frustrates me.
Greetings.
Your article made me reflect on what machines can do.
I am a young person interested in this field,. And I hope you can read this, Recently we participated in a robotics competition in which we presented as a project a machine learning capable of predicting certain diseases.
Trying to bring my project to life I came across this and saw that it is more difficult than it seems.
Enter your comment here…
Enter your details by clicking on an icon to sign in:
email (The address will not be made public)
Name
Web
Receive new posts by email.
Article Browser
Follow the weblog by E-mail
Enter your email address to follow this Weblog and receive notifications of new posts in your email inbox.
follow
Your Name
%d bloggers like this: