人工智能学习指南——没有借口. 编写你的第一个神经网络Crimson

人工智能学习指南——没有借口. 编写你的第一个神经网络Crimson
要开始编程，就必须勇往直前. 必须投入其中, 弄脏手并多次失败. 通过努力和奉献, 可以在短时间内掌握最基本的知识.
有很多人已经具备了不错的编程技能, 但对人工智能毫无概念, 机器学习或其他我们在数字桥梁中经常介绍的概念也不理解. 对于他们所有人, 一个信息:
你们没有借口!
遵循Shival Gupta的建议 , 我们将在下文向你们展示, 开始编写你们的第一个神经网络Purple. 这是第一步 (也是最简单的一步) para entrar a explorar el mundo de la Inteligencia Artificial.
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.
La relevancia de un desarrollador full-stack no va a ser suficiente en un escenario tan cambiante. En dos años, un full-stack no será completo si no tiene habilidades en Inteligencia Artificial.
Me di cuenta de ello y decidí pasar a la acción. Hice lo que creía que period la única opción: actualizar mis habilidades como programador, mi manera de pensar para orientarme a producto y mi filosofía como emprendedor para orientarme hacia los datos.
Si las compañías se apoyan sólo en IA de última generación y en algoritmos de Machine Learning para competir, no les será suficiente. La IA no va a ser una ventaja competitiva, sino un requisito. ¿Conoces a alguien que utilice la electricidad como una ventaja competitiva?” – Spiros Margaris, gurú de IA y fintech
Construyendo mi primera pink neuronal
Para adentrarse en el mundo de la IA, el primer consejo suele ser hacer el curso de Andrew Ng de Coursera Es un gran recurso para aprender, 人工智能 pero a mí me costaba permanecer despierto lo suficiente. No es que el curso sea malo, pero no tengo capacidad de estar atento mucho tiempo.
Mi manera de aprender siempre ha sido practicando, así que pensé ¿por qué no? Vamos a hacer nuestra propia crimson neuronal”.
Sabía que no debía ir a por complejas redes neuronales, sino familiarizarme con los conceptos. Como mi experiencia en programación es de Javascript y de Nodej, no quería cambiar de lenguaje todavía.
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: 四 , iterations: 300000, errorThresh: 0.000000五, activation: ‘logistic’, learningRate: 0.4, momentum: zero.5, log: a hundred var net = nn(opts) internet.prepare( enter: 零,0,1 , output: 0 , enter: 零,1,1 , output: 零 , 输入: 1,零,1 , output: 零 , 输入: 0,1,0 , output: 0 , enter: 1,0,0 , output: 0 , 输入: 1,1,1 , output: 1 , enter: 零,零,0 , output: 零 ) // 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.
这是机器学习的魔力. 你把一组数据给程序，它会不断调整参数，以便在面对新的数据集时给出正确的答案, 减少误差.
这种方法被称为梯度下降法
为人工智能激发我的大脑
一旦我充满自信, 在完成了我的第一个人工智能程序之后, 我想知道作为开发者，我还能用机器学习做什么.
这些是我的步骤:
我解决了几个有监督学习的问题 , 比如回归和分类
我使用了一个非常有限的数据集来尝试预测哪个团队会赢得比赛, 使用多元线性回归 (预测结果很糟糕, 但是很棒).
我使用了 Google 机器学习云的演示来了解人工智能目前能做什么 (足以让 Google 将其作为 SaaS 产品推出)
我发现了 AI Playbook , 这是 Andreessen-Horowitz 搭建的一个令人难以置信的资源. 确实, 这是开发者和创业者最实用的资源之一.
我开始关注 Siraj Rawal 在 YouTube 上专注于深度学习和机器学习的精彩频道.
我读了这篇来自 Hackernoon 的精彩文章，讲述了硅谷的剧集制作人如何构建 Not Hotdog 应用. 这是最容易上手的深度学习示例之一.
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.
Afortunadamente, el artículo se volvió viral y apareció en TechInAsia, CodeMentor y KDNuggets. Fue un gran momento para mí, personalmente, porque acabo de comenzar con los blogs tecnológicos. Creo que este artículo ha sido uno de los momentos más importantes en mi viaje de aprendizaje de IA.
Me permitió hacer muchos amigos en Twitter y LinkedIn, con quienes puedo hablar sobre el desarrollo de IA en profundidad e incluso puedo conseguir ayuda si me quedo atascado. Recibí algunas ofertas para hacer proyectos de consultoría y, lo mejor de todo, jóvenes desarrolladores e iniciadores de IA comenzaron a preguntarme cómo comencé con AI.
这就引出了我写这篇文章的原因:
为了帮助更多人从我的旅程中获得启示，从而开始他们自己的旅程.
盐和胡椒
绝对不容易. 当我开始在 Javascript 中陷入困境时, 我几乎是一夜之间跳到 Python，并学习在这个新语言中编码. 当我的模型即使经过几小时训练也无法在我的 i7 机器上训练时，我开始感到恼火, 它们返回了荒谬的结果, 比如一个板球队赢一场板球比赛的概率是 50-50. 学习人工智能不等于学习编程网络.
此外, AI 不仅仅是一个主题. 它是一个用于任何事物的通用术语, 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.”
你必须对计算机如何突然学会自己完成事情感到着迷. 耐心和惊奇是你必须坚持的两个关键原则.
这是一次伟大而宏大的旅程. 非常耗费精力, 非常令人恼火且异常缓慢.
但好的一点是, 就像世界上任何其他的旅程一样, 这也从一步开始.
来源: Hackernoon
分享这个:
希望对你有帮助
多么棒的文章. 我在IT领域有超过10年的经验，但编程经验为零. 我正在迈出学习Python的第一步 (这是一个我非常喜欢的世界) 我曾考虑过全栈开发. Javascript和React是接下来的步骤.
然而人工智能让我着迷，毫无疑问它是未来. Espero poder tener tiempo de desarrollarla.
Tengo una duda existencial.
Diseño la red, codifico en el lenguaje que sea, la entreno, la pongo a prueba.
Cuando detengo el programa le quito la alimentación al hardware que le da soporte físico.. A donde va a parar todo lo aprendido? Como se preserva para que no tenga que re aprender todo otra vez cuando se ponga en línea nuevamente?
Siento como que yo mismo deba rever todo lo que aprendí en la escuela cada vez que despierto después de una noche de sueño reparador y eso me frustra.
Un saludo.
articulo me hizo reflexionar sobre lo que las maquinas pueden hacer.
Soy un joven interesado en este campo,. Y ojala puedan leer esto, recientemente participanos en una competencia de robotica en la que presentamos como proyecto un machine learning capaz de predecir ciertas enfermedades.
Tratando de traer a la vida mi proyecto me encontre con esto y vi que es mas dificil de lo que parece.
在此输入您的评论…
输入您的数据点击图标登录:
电子邮件 (地址不会公开)
布雷
Web
通过电子邮件接收新条目.
文章浏览器
Sigue el weblog por E mail
输入你的电子邮件地址以关注此博客，并在新文章发布时收到通知.
关注
你的名字
%d个博主喜欢这个: