Een basisbasis in de principes en praktijken over kunstmatige intelligentie (AI) , automatisering en cognitieve processen is iets dat zeer waarschijnlijk steeds waardevoller wordt, ongeacht uw organisatiegebied, expertise of levensonderhoud.
Gelukkig hoef je nu geen jaren van je leven aan de universiteit te studeren om vertrouwd te raken met deze ogenschijnlijk enorm complexe technologie. De laatste tijd is er een groeiend aantal online lessen ontstaan die alles behandelen, van de basis tot geavanceerde uitvoering.
Velen zijn gericht op individuen die meteen in het coderen van hun specifieke kunstmatige neurale netwerken willen duiken en een zekere mate van technische bekwaamheid aannemen. Anderen zijn nuttig voor degenen die willen weten hoe deze technologie door iedereen kan worden toegepast, ongeacht eerdere technische ervaring, om echte problemen op te lossen.
In dit artikel zal ik een overzicht geven van enkele van de meest effectieve gratis versies die nu beschikbaar zijn.
Ontdek met Google AI
Deze onlangs gelanceerde bron maakt deel uit van de strategie van Google om het begrip van AI onder het grote publiek uit te breiden. Er wordt langzaam een stof ingevoegd, maar deze bevat al een crashprogramma voor Machine Learning met behulp van TensorFlow (de machine learning-bibliotheek van Google).
De les beslaat de grond van een fundamentele inleiding tot machine learning, om aan de slag te gaan met TensorFlow, tot het ontwerpen en trainen van neurale netten.
Het is zo ontworpen dat mensen die geen voorkennis hebben van machine learning er meteen in kunnen springen, degenen met enige ervaring kunnen modules kiezen of kiezen die hen interesseren, terwijl machine learning-specialisten het kunnen gebruiken als een lancering voor TensorFlow.
Google - machine learning
Dit is een iets meer diepgaande cursus van Google die wordt aangeboden via Udacity. Als zodanig is het niet bedoeld voor complete beginners en veronderstelt het enige eerdere ervaring met machine learning, tot het punt waarop je op zijn minst vertrouwd bent met begeleide leerprocedures.
Het richt zich op diep leren, samen met het plan van zelflerende systemen die kunnen leren van grote, complexe datasets.
Het programma is bedoeld voor mensen die machine learning, neurale netwerktechnologieën willen plaatsen om te functioneren als data-analisten, datawetenschappers of machine learning-ingenieurs, maar ook voor ondernemende individuen die gebruik moeten maken van de overvloed aan open source-bibliotheken en substanties die er zijn.
Stanford University - Machine Learning
Dit programma wordt aangeboden via Coursera en kan worden gegeven door Andrew Ng, de oprichter van Google's deep learning-studieapparaat, Google Brain, en Mind of AI voor zowel Baidu.
De hele cursus kan gratis worden onderzocht, ook al is er ook de mogelijkheid om te betalen voor een certificaat dat zeker nuttig zou kunnen zijn als u van plan bent uw begrip van AI te gebruiken om uw carrièremogelijkheden te vergroten.
De cursus behandelt het bereik van real-world machine learning-implementaties, van spraakherkenning en het verbeteren van onderzoek, terwijl het naar technische dikte gaat met statistische onderwerpen zoals lineaire regressie, de backpropagatiemethoden waarbij neurale netwerken 'leren', en ook een Matlab-tutorial - een van de meest gebruikte programmeertalen voor op waarschijnlijkheid gebaseerde AI-tools.
Columbia University - Machine learning
Deze cursus is ook in zijn geheel gratis online beschikbaar, met een optie om het certificaat te dekken als u dit nodig heeft.
Het belooft modellen, benaderingen en software op te leiden voor het oplossen van problemen uit de echte wereld met behulp van probabilistische en niet-probabilistische technieken, naast gesuperviseerd en niet-gesuperviseerd leren.
Om het meeste uit de cursus te halen, moet je verwachten dat je ongeveer acht tot tien uur per week aan de oefeningen en materialen besteedt, gedurende 12 weken - maar dit is een absoluut gratis instructie op Ivy League-niveau, dus je zou het niet verwachten wees een makkie.
Het wordt geleverd via de non-profitorganisatie edX online cursusaanbieder, waar het deel uitmaakt van de kunstmatige intelligentie nano-graad.
Nvidia - Basisprincipes van diep leren naar computervisie
Computervisie is dat de AI-subdiscipline van bouwcomputers die kunnen "kijken" door visuele gegevens op precies dezelfde manier te verwerken als onze hersenen.
Naast de technische grondbeginselen, behandelt het hoe situaties of problemen kunnen worden opgespoord die kunnen profiteren van de toepassing van machines die in staat zijn tot objectherkenning en beeldclassificatie.
Voor een maker van grafische verwerkingseenheden (GPU's) dekt Nvidia niet verrassend het meest vitale deel van deze krachtige grafische motoren, die voorheen voornamelijk waren gericht op het weergeven van toonaangevende afbeeldingen, hebben gespeeld in de wijdverspreide evolutie van computer vision-toepassingen.
De laatste beoordeling heeft betrekking op het implementeren en bouwen van een neurale netapplicatie, en gedurende de hele cursus kan in uw eigen tempo worden bestudeerd, u mag verwachten dat u ongeveer acht uur aan de stof besteedt.
MIT - Deep Learning for Self Cars
Net als bij de vorige cursus, hanteert MIT de benadering om één belangrijk real-world facet van AI te gebruiken als een startpunt om de specifieke betrokken technologieën te verkennen.
De zelfrijdende auto's waarvan vaak wordt voorspeld dat ze deel uitmaken van ons dagelijks leven, vertrouwen op AI om elk van de informatie die de reeks detectoren van de auto raakt te begrijpen en over de wegen te navigeren. Dit houdt in dat machines worden geleerd om gegevens van deze sensoren te vertalen terwijl onze eigen hersenen tekens van onze ogen, oren en handtekening interpreteren.
Het behandelt het gebruik van de MIT DeepTraffic-simulatie, die leerlingen uitdaagt om een gesimuleerde auto te leren zo snel mogelijk over een drukke weg te rijden zonder in botsing te komen met andere straatgebruikers.
Dat is een les die het afgelopen jaar voor het eerst op de bricks 'n' mortar-universiteit wordt gegeven, en voor elk materiaal, zoals hoorcolleges en video's, is het online beschikbaar - maar je zult niet de mogelijkheid hebben om een certificaat te behalen.
Video
- https://www.youtube.com/watch?v=TMTOrzi-CGU&feature=youtu.be
