Comment apprendre l'intelligence artificielle de zéro ?

Pour apprendre l'intelligence artificielle de zéro, FreeCodingTour propose trois cours qui doivent être suivis dans l'ordre suivant :

1. Programmation
2. Science des données
3. Intelligence artificielle

La méthodologie d'apprentissage de l'intelligence artificielle à FreeCodingTour est basée sur les principes suivants :

• Étape 1 : Apprendre à programmer comme un processus de Entrée -> Transformation -> Sortie où la Transformation peut être vue comme une boîte noire. Comme l’a magistralement expliqué Richard Feynman.
• Étape 2 : Apprendre à tester si nos programmes fonctionnent bien grâce à la méthodologie des Cas de test. Cela est très important et utile car il introduit une pratique largement utilisée dans l'industrie logicielle et ouvre la porte si nous voulons plus tard nous intéresser au domaine des algorithmes, puisque tous les entretiens et compétitions sont basés sur cette méthode.
• Étape 3 : Apprendre la science des données avec la méthodologie de l'apprentissage automatique. Cela signifie admettre que la nature est très complexe (comme le dit Vladimir Vapnik), laisser de côté (au moins au début) les méthodologies fréquentiste et bayésienne, et accepter que nous avons certainement besoin de machines capables d'effectuer des millions de calculs par seconde. Une fois ce principe accepté, nous pouvons voir l'apprentissage automatique comme une méthode par laquelle une machine apprend automatiquement un processus que nous ne pouvons décrire, mais dont nous pouvons préciser les entrées et les sorties. En d'autres termes, comprendre l'apprentissage automatique comme Programmation automatique guidée par des cas de test.
• Étape 4 : Apprendre l'apprentissage profond comme une méthode par laquelle une machine peut encoder (convertir en nombres) des images, des sons et du texte pour les utiliser en combinaison avec des méthodes d'apprentissage automatique pour faire des prédictions et interagir avec les humains. Cette méthode d'apprentissage est utile pour comprendre des concepts comme les embeddings, RAG, l'espace latent, l'encodage, et d'autres qui gagnent en importance chaque jour. En résumé : Comprendre l'apprentissage profond comme Entrée en langage humain -> Transformation -> Sortie dans le format souhaité où le langage humain peut être du texte, des images ou des sons.