В нашей жизни всегда есть распорядок, которому мы следуем. Если наше тело - это биологический компьютер, мы следуем следующему коду.
While(life != dead)
{
life.wake_Up_In_The_Morning();
life.eat();
life.work(`easy `, `less time `, `aim: money `);
life.sleep();
}
after_Death("Even your aim did not follow your grave")
Но мы не должны забывать, что мы были разработчиками этого кода. Так что изменить это в наших руках. Для нас очень важно сохранять мотивацию и работать над работой, которая нам близка. Итак, прежде чем заняться ИИ, мы должны знать, чем занимается ИИ в современном мире. Следовательно, прежде чем приступить к тому, что мы делаем в области искусственного интеллекта, мы должны иметь серьезную преданность и любовь к этой области.
Очень плохая практика, которую делает большинство из нас, - это взять код Github, который выполняет некоторые задачи ИИ, такие как компьютерное зрение / распознавание речи / прогнозный анализ и т. Д., И запустить его в нашей системе и назвать себя инженером по ИИ. Нет, такая привычка помогает нам делать проекты, но никогда не улучшает наши знания в области ИИ. Основная причина этого в том, что многие люди считают ИИ просто сложным кодом Python, который может давать результаты. Нет, Python - это просто язык программирования. Мы используем этот язык (используются и другие, но реже) для реализации системы ИИ для получения результатов. Так что за этим скриптом Python предстоит еще много работы.
Чтобы быть успешным инженером по искусственному интеллекту, это не означает, что мы должны быть сильными в кодировании.
Что такое ИИ и чем он отличается от других?
Считается, что AI имеет следующие поддомены, как показано на рисунке:
Да, с сегодняшними ресурсами и технологиями мы не можем создать целую систему, похожую на человеческую. Итак, нам нужно знать, что мы можем сделать, а что нет. Итак, традиционный способ начать с ИИ - продолжить концепцию машинного обучения. Каждая концепция четко придерживается своей логики. Так что машинное обучение - отличный старт для знакомства с искусственным интеллектом.
После того, как традиционные алгоритмы машинного обучения будут выполнены, нам нужно перейти к глубокому обучению. Сегодня все сообщество ИИ любит эту область. В этой области много концепций, и нам нужно понимать каждую концепцию, начиная с ее корня. Да, чтобы заглянуть глубже, нужно много времени.
Будьте терпеливы и доверяйте своему путешествию
И ML, и DL определяются как «работа, выполняемая машиной без явного кодирования». Это означает способность Машины работать на основе ее обучения. И это все об ИИ
С чего начать эти концепции?
Когда мы говорим об этих концепциях, мы все должны помнить об одном. Какой ввод я использую и какой ожидаемый результат? Жизнь становится простой, когда мы понимаем каждую концепцию таким образом. Мы никогда не должны забывать, что Компьютер может изучать только числа. Итак, имея это в виду, нам нужно увидеть, как подавать ввод, чтобы получить вывод.
Немного знаний в области программирования достаточно для реализации огромных систем искусственного интеллекта.
Лучше реализовывать код одновременно, когда мы изучаем каждую концепцию в ML / DL. Итак, как только мы изучим концепцию, следующим шагом должна стать реализация кода. Этот цикл подходов - лучший способ, который помогает нам изучить теорию, а также практически проверить результаты.
Чтобы выжить в этой области, необходимо изучать научные статьи и журналы. Это факт, что научные статьи нельзя прочитать за один раз. На написание столь сложных публикаций авторы статьи потратили бы как минимум год. Поэтому наименьшее уважение, которое мы могли бы оказать, - это терпеливо их изучать. Этот метод изучения концепций на основе того, как они возникли, дает нам более глубокую интуицию и помогает нам исследовать мельчайшие детали темы.
Сколько времени нужно, чтобы закончить изучение ИИ?
Это бесконечная тема. Мы должны помнить, что этот курс нельзя завершить вовремя.
Мы не готовимся к экзаменам, чтобы обдумать их сроки. Но, конечно, мы можем переформулировать вышеупомянутый вопрос как «С какой скоростью я могу изучать концепции?». Это полностью зависит от человека. Для немногих людей, основанных на концепции, на завершение требуется 2 дня. Мало кому требуется неделя, чтобы закончить. Некоторые могут занять более 2 недель. Цель здесь не в том, чтобы закончить что-то за определенное время. Цель здесь - закончить всю тему, потребовав сколько-нибудь значительного времени.
Следует ли мне подождать, пока я полностью изучу Концепции?
Нет, все мы учимся на ошибках. Так что пока мы учимся, лучше также поработать над тем, что мы узнали. Предположим, мы частично изучили CNN, но нам нужно работать в проекте, который классифицирует фрукты на основе изображений, всегда лучше попробовать. Это потому, что, как только мы попытаемся реализовать сценарии в реальном времени, мы можем попытаться исправить наши ошибки и, таким образом, позволить нам достичь желаемого результата. Кроме того, при реализации проектов это добавляет нам опыта и укрепляет нашу уверенность.
Если бы мы могли следовать правильным путем и любить то, что делаем, мы могли бы изменить код нашей системы (о котором мы говорили в самом начале этой статьи) следующим образом:
While(life != dead)
{
life.wake_Up_In_The_Morning();
life.eat();
life.work(`hard_work`, `patience `,`aim: happiness and peace`);
life.code();
life.sleep();
}
after_Death("Let the world speak about you");
Заключение
Я поделился несколькими способами столкнуться с этой областью искусственного интеллекта. Это действительно основано на моем опыте изучения каждой концепции. Даже я был сбит с толку вначале. Но со временем я смог найти поток и путь, чтобы сломать его. Я хотел поделиться своим опытом с другими, чтобы другим, кто стремится стать частью этого общества ИИ, было легко. Совершенно нормально, если мы не разбираемся в теме. Время - лучшее решение для этого. Всего наилучшего !!!
