Come imparare l’IA da zero?

Per imparare l’intelligenza artificiale da zero, FreeCodingTour propone tre corsi da seguire in questo ordine:

  1. Programmazione
  2. Scienza dei dati
  3. Intelligenza artificiale

La metodologia di apprendimento dell’IA di FreeCodingTour si basa sui seguenti principi:

  • Passaggio 1: Imparare a programmare come processo di Input -> Elaborazione -> Output, in cui l’elaborazione può essere vista come un blocco opaco. Come descritto magistralmente da Richard Feynman. input elaborazione output
  • Passaggio 2: Imparare a verificare che i nostri programmi funzionino bene attraverso la metodologia dei casi di test. È molto importante e utile: ci introduce a una pratica ampiamente usata nell’industria del software e ci apre anche la strada se in seguito vogliamo approfondire gli algoritmi, poiché tutti i colloqui e le competizioni si basano su questo metodo. casi di test
  • Passaggio 3: Imparare la scienza dei dati con la metodologia dell’apprendimento automatico. Significa riconoscere che la natura è molto complessa (come afferma Vladimir Vapnik), mettere da parte (almeno all’inizio) le metodologie frequentista e bayesiana e accettare che abbiamo certamente bisogno di macchine capaci di eseguire milioni di calcoli al secondo. Una volta accettato questo, possiamo vedere l’apprendimento automatico come un metodo con cui una macchina impara automaticamente un processo che non sappiamo descrivere, ma di cui possiamo specificare gli input e gli output. In altre parole, comprendere l’apprendimento automatico come programmazione automatica guidata da casi di test. apprendimento automatico
  • Passaggio 4: Imparare il deep learning come modo in cui una macchina codifica (converte in numeri) immagini, audio e testo per usarli insieme ai metodi di apprendimento automatico, fare previsioni e interagire con le persone. Questo metodo di apprendimento aiuta a capire concetti come embedding, RAG, spazio latente, codifica e altri che acquistano sempre più importanza. In sintesi: comprendere il deep learning come Input in linguaggio umano -> Elaborazione -> Output nel formato desiderato, dove il linguaggio umano può essere testo, immagini o audio. deep learning