[Pour les débutants en intelligence artificielle] Parcours d'apprentissage et de référence en apprentissage automatique / programmation en profondeur

eeee.010.jpeg

【mise à jour】

introduction

Cette fois, les livres auxquels j'ai fait référence lors de l'apprentissage de la programmation en intelligence artificielle, Je laisserai un mémo de révision avec le flux ci-dessus sur le chemin de l'acquisition de compétences.

Actuellement, j'écris un programme de prédiction de courses de chevaux / IA pour jouer à des jeux. Nous espérons que cette Qiita sera utile pour ceux qui veulent faire un pas dans le domaine de l'intelligence artificielle.

Je ne vais pas expliquer spécifiquement le programme cette fois, donc Si vous êtes intéressé par le programme d'intelligence artificielle lui-même, veuillez vous référer au lien à la fin de cette Qiita.

supposition

Le livre que j'ai choisi cette fois est relativement facile à lire J'ai choisi celui avec le programme ci-joint autant que possible. Parce qu’il s’agit de mettre en œuvre, d’exécuter, de comprendre et de répéter le programme. C'est parce que j'ai senti par expérience réelle que c'était un raccourci pour acquérir des compétences (y compris la mise en œuvre).

Cependant, le monde de «l'intelligence artificielle» est vaste et peu développé. De plus, comme indiqué ci-dessous, la définition, les compétences et le niveau de compétence des data scientists sont vastes.

Compétences requises pour apprendre l'apprentissage automatique.


· Compétences professionnelles
・ Compréhension approfondie des affaires
·pensée logique
·Documentation/présentation
* Dans de nombreuses situations, une explication théorique est requise pour la collecte de données.

· Compétences informatiques
・ Large gamme de connaissances informatiques
・ Connaissance du traitement de données à grande échelle
・ Connaissance approfondie des bases de données
·la programmation
* Étant donné que la gamme est vraiment large, nous avons besoin de quelqu'un qui peut faire une pile complète de l'infrastructure à la logique.

・ Compétences en analyse statistique
·Math
・ Compréhension de la méthode d'analyse des données
・ Compétences en logiciels d'analyse de données
* Probabilité / statistiques, intégration différentielle, matrice, etc. sont nécessaires.
Au début, je ne comprenais pas du tout car il y avait beaucoup de symboles.

Source: Deux semaines après le démarrage de l'apprentissage automatique, ce qu'il a fallu pour démarrer l'apprentissage automatique - Qiita

Un effort continu et une pratique répétitive seront essentiels pour l'acquisition de compétences.

Cette fois, je décrirai le chemin de l'acquisition de compétences et des ouvrages de référence axés sur «l'apprentissage automatique, l'apprentissage profond» parmi les «compétences informatiques, compétences d'analyse statistique» ci-dessus.

De plus, pour comprendre l'apprentissage automatique et l'apprentissage profond, il est essentiel de réellement programmer. Je pense qu'il est naturel de choisir Python comme langage de développement lors de l'apprentissage des compétences. En effet, Python dispose d'une multitude de bibliothèques d'apprentissage automatique et d'apprentissage en profondeur telles que les suivantes. La plupart d'entre eux sont écrits en Python, comme Git et Qiita. Si vous sélectionnez également Python lors du dépannage, vous pouvez utiliser les informations sur Internet. [Liste des bibliothèques d'apprentissage automatique]   TensorFlow:https://www.tensorflow.org/   Chainer:http://chainer.org/   Caffe:http://caffe.berkeleyvision.org/   Theano:http://deeplearning.net/software/theano/index.html   Torch:http://torch.ch/   scikit-learn:http://scikit-learn.org/stable/   PyML:http://pyml.sourceforge.net/   Pylearn2:http://deeplearning.net/software/pylearn2/   PyBrain:http://pybrain.org/pages/home

Parcours / objectif / politique d'acquisition de compétences

Chemin et objectif

L'objectif de l'acquisition de compétences est "Vous pouvez programmer l'apprentissage automatique et l'apprentissage profond par vous-même même si vous êtes élémentaire." Ensuite, l'itinéraire vers l'objectif est divisé en Step1 à Step4.

qqq.010.jpeg

Cette fois, la connaissance du grattage, des statistiques, etc. est omise. L'apprentissage automatique et l'apprentissage profond ont quelque chose en commun, mais cette fois ils sont séparés.

politique

Indépendamment de la théorie et du contexte, l'objectif principal est de l'essayer en premier. Je pense que c'est bien d'acquérir les compétences. Cependant, si vous n'êtes pas familier avec l'intelligence artificielle, nous vous recommandons de saisir d'abord l'apparence (après avoir résolu le malentendu), puis de la pratiquer.

Présentation de livres qui peuvent être utilisés comme référence pour chaque étape. Bien que subjectif, j'ai choisi des livres correspondant le plus possible au niveau.

Acquérez des compétences en intelligence artificielle!

Étape 1. Comprendre l'histoire de l'intelligence artificielle

Tout d'abord, ayez une idée de l'apparence. Le but de cette étape est de résoudre les malentendus en intelligence artificielle. De plus, si vous voulez vous mettre sur les épaules de géants à l'avenir, j'aimerais connaître les réalisations des grands hommes du passé tels que le test de Turing et ELIZA par courtoisie.

C'est du bon sens! Je pense que ceux qui disent que vous pouvez sauter cette étape.

Qiita6.004.jpeg

-Est-ce que l'intelligence artificielle surpasse les humains?

b.jpg

Il ne contient aucun élément de programmation et constitue une introduction parfaite que tout le monde peut lire. Dans ce livre, vous pouvez avoir une touche douce sur l'histoire de l'intelligence artificielle et les grandes lignes de la technologie. Même si je regarde autour de moi, il y a encore beaucoup de gens qui comprennent mal l'intelligence artificielle, alors Résoudre ce malentendu ici sera la première étape sur la voie de l'acquisition de compétences.

Étape 2. Parlons de la technologie de l'intelligence artificielle en général

À l'étape 2, nous aborderons en fait les techniques pratiques en référence aux livres basés sur la programmation. Essayez de déplacer vos mains vers le lapin et le coin. Essayons d'abord. Alors apprenez. Même si vous ne comprenez pas le programme ou la théorie, il est très important de copier et d'exécuter l'exemple de programme.

Pour l'apprentissage automatique et l'apprentissage en profondeur

Qiita6.005.jpeg

q.jpg

Ce livre va encore plus loin du côté commercial des domaines de l'apprentissage automatique et de l'apprentissage en profondeur, et est assez pratique.

Analyse de texte à l'aide de la chaîne de Markov et du LSTM, création de chatbot, Identification du bol de boeuf par apprentissage profond ... etc. De plus, il couvre les techniques de collecte de données (scraping et crawling) essentielles pour le machine learning et le deep learning. Le contenu est devenu plus large et moins profond de ce montant, mais si vous répétez le programme de ce livre ou si vous l'organisez vous-même, vous acquerrez des compétences très complètes.

Si vous parcourez ce livre, L'intelligence artificielle est un ensemble de technologies et de méthodes diverses. En fait, vous constaterez que c'était comme l'intelligence artificielle.

L '«intelligence artificielle» (ce que l'on dit être) dans le monde n'est rien de plus qu'une entité qui est dite «intelligente» à la suite d'un test de tuling.

Étape 3 (Étape 4). Si vous souhaitez approfondir vos connaissances sur l'apprentissage automatique

Une fois que vous avez compris ce qu'est l'apprentissage automatique, entrons dans le monde de l'apprentissage automatique. Personnellement, je vous recommande de toucher au machine learning avant le deep learning.

Qiita6.006.jpeg

h.jpg

Si vous ne possédez pas les connaissances de base de l'étape 2, cela peut être difficile, mais Je pense que c'est un très bon livre car il décrit la mise en œuvre de l'apprentissage automatique en détail et décrit également la théorie. À la fin, vous pouvez également aborder l'apprentissage en profondeur.

Il peut y avoir beaucoup de formules et une réaction de rejet, mais si vous continuez à l'implémenter sans vous en soucier, il n'y a pas de problème. Le corps se souviendra en le faisant. Vous pouvez le lire lorsque vous le remarquez.

Si vous pouvez comprendre ce qui est écrit dans ce livre, vous pourrez vous-même faire de la programmation d'apprentissage automatique.

Si vous voulez plus de connaissances théoriques, vous devez vous référer au papier ou frapper un autre livre comme décrit dans ce livre.

Étape 3. Si vous souhaitez approfondir vos connaissances sur l'apprentissage en profondeur

Une zone chaude ces jours-ci. Une fois que vous avez acquis des compétences en machine learning, essayons le deep learning. L'apprentissage profond nécessite des spécifications de machine considérables en fonction de ce que vous faites. Puisqu'il est nécessaire d'augmenter le nombre de couches et le nombre d'essais pour obtenir la précision, Je recommande personnellement de se procurer une machine GPU et d'étudier dans un environnement confortable.

Qiita6.007.jpeg

j.jpg

Ce livre a été très utile pour approfondir l'apprentissage profond d'un point de vue pratique. Non seulement la création et la mise en œuvre d'environnement, mais aussi le mécanisme de base et les termes de base de l'apprentissage profond (bien que ce soit un peu précipité), Vous pouvez apprendre tout en pratiquant les astuces et en renforçant l'apprentissage pour l'identification d'images.

Dans ce livre, vous pouvez en apprendre davantage sur la reconnaissance d'image, qui est particulièrement efficace pour l'apprentissage en profondeur.

Étape 4. Si vous souhaitez approfondir l'apprentissage en profondeur

Comprendre les caractéristiques de la couche de pliage et de la couche de pooling, régler le réseau, etc. Si vous avez besoin d'une technique pratique, passez à cette ÉTAPE.

Qiita6.008.jpeg

k.jpg

Inutile de dire que "Deep Learning from scratch" d'O'Reilly. Ce livre est parfait pour une compréhension approfondie de la théorie et des aspects pratiques de l'apprentissage profond. Outre les récentes tendances technologiques, comment améliorer la précision de la reconnaissance? Pourquoi est-ce cher? Je suis très redevable à moi-même car l'explication est donnée en détail.

Si vous avez des compétences, ce livre est suffisant pour un apprentissage en profondeur.

Si vous pouvez comprendre ce qui est écrit dans ce livre, vous pourrez vous-même faire de la programmation d'apprentissage en profondeur.

Liste de livres utiles

En plus de ce qui précède, voici une liste de livres qui ont été utiles pour l'apprentissage de l'apprentissage automatique, l'apprentissage en profondeur, etc. J'omettrai l'explication détaillée, mais j'espère qu'elle vous sera utile.

Difficulté approximative

C'est assez subjectif, mais je l'ai divisé par les niveaux de difficulté suivants. Introduction: Presque aucune connaissance préalable. Aucune formule requise. Aucune programmation requise. Facile: aucune formule requise. Tout ce dont vous avez besoin est une connaissance de base de la programmation. Fu: Les formules viennent un peu. Si vous connaissez la facilité, vous comprendrez. Difficile: Une formule sort. Il existe de nombreuses explications de la théorie. Il y a toute une réponse.

Liste des livres

Numéro d'article la vignette Titre Difficulté Catégorie Exemple de programme
1 b.jpg L'intelligenceartificiellesurpasseleshumainsouvaau-delàdel'apprentissageprofond Super introduction Matériel de lecture
2 a.jpg Super-introductionàlasciencedesdonnéesCommentvraimentutiliserles«statistiques»utilesenentreprise Super introduction Matériel de lecture
3 c.jpg Nouveauproduitdemanuelsurl'intelligenceartificielle/Connaissancesdebaserequisespourledéveloppementdeservices Facile Apprentissage automatique, algèbre linéaire, analyse, statistiques
4 d.jpg Uneintroductionàl'apprentissageenprofondeuravecTensorFlow~Explicationapprofondieduréseauneuronalconvolutif~ Facile L'apprentissage en profondeur
5 e.jpg ApprentissagepratiqueenprofondeuravecChainer habituellement L'apprentissage en profondeur
6 f.jpg Introductionàl'apprentissageautomatiquepourl'analysedesdonnéesTechnologied'intelligenceartificiellequipeutêtreexploitéeetcompriseparPython(Informatics&IDEA) Facile Apprentissage automatique, apprentissage en profondeur
7 q.jpg GrattageavecPython&Techniquededéveloppementd'apprentissageautomatiqueBeautifulSoup,scikit-learn,UtilisonsTensorFlow Facile Scraping, exploration, apprentissage automatique, apprentissage en profondeur
8 g.jpg Introductionàl'apprentissageautomatiqueavecPython Normal(facile) Apprentissage automatique
9 j.jp Miseenœuvredel'apprentissageenprofondeur habituellement L'apprentissage en profondeur
10 h.jpg Théorieetpratiquedelaprogrammationd'apprentissageautomatiquePythonpardesexpertsensciencedesdonnées(impresstopgear) Difficile Apprentissage automatique, apprentissage en profondeur
11 i.jpg ApprendreenprofondeurpourexpérimenteravecPython Un peu difficile Apprentissage profond, renforcement de l'apprentissage
12 k.jpg DeepLearningàpartirdezéro-lathéorieetlamiseenœuvredel'apprentissageprofondapprisenPython Un peu difficile L'apprentissage en profondeur
13 w.jpg Renforcementdel'apprentissagefutur Très difficile Renforcer l'apprentissage

en conclusion

Je suis toujours une personne inexpérimentée, mais ce domaine est très excitant d'apprendre de nouvelles. Nous continuerons d'acquérir des compétences.

La raison pour laquelle j'ai décidé d'écrire ce Qiita était C'est un domaine intéressant, donc je voulais que même les débutants en intelligence artificielle apprennent avec intérêt sans être frustrés.

(Répéter) J'espère que cette Qiita sera utile pour ceux qui veulent faire un pas dans le domaine de l'intelligence artificielle.

Remarques

Apprenons le logiciel Super Famicom avec TensorFlow! --Qiita puyo.jpeg

Cliquez ici pour d'autres vidéos de Mario apprises avec tensorflow https://www.youtube.com/watch?v=T4dO1GKPx4Y

Si vous êtes intéressé, nous vous fournirons des informations techniques telles que l'IA via le lien ci-dessous. [facebook] https://www.facebook.com/groups/1871981099685132/ [Twitter] https://twitter.com/gauss_club

Recommended Posts

[Pour les débutants en intelligence artificielle] Parcours d'apprentissage et de référence en apprentissage automatique / programmation en profondeur
Résumé des API recommandées pour l'intelligence artificielle, l'apprentissage automatique et l'IA
Intelligence artificielle, machine learning, deep learning pour mettre en œuvre et comprendre
[Résumé des livres et cours en ligne utilisés pour l'apprentissage de la programmation et de la science des données]
Ordre d'étude recommandé pour les débutants en apprentissage automatique / apprentissage en profondeur
Service scolaire où vous pouvez apprendre le langage de programmation Python et la technologie d'intelligence artificielle (apprentissage automatique / apprentissage en profondeur) (gratuit / payant)
Importance de l'apprentissage automatique et de l'apprentissage par mini-lots
<Pour les débutants> bibliothèque python <Pour l'apprentissage automatique>
Organisez des plateformes d'apprentissage automatique et d'apprentissage en profondeur
Apprendre l'histoire des débutants de la transcendance de la programmation
Réputation des livres Python et des livres de référence
[Apprentissage automatique Python] Recommandation d'utilisation de Spyder pour les débutants (à partir d'août 2020)
Apprentissage automatique avec docker (42) Programmation PyTorch pour l'apprentissage en profondeur par Ian Pointer
Les débutants en apprentissage automatique suivent le cours d'apprentissage en profondeur de Coursera
Premiers pas pour les débutants en apprentissage automatique (IA)
Signification des modèles et paramètres d'apprentissage en profondeur
[Doit lire pour les débutants!?] Glossaire des termes à trébucher lors de l'apprentissage de la programmation
20 sélections recommandées en 2020 de livres d'introduction à l'apprentissage automatique
[Apprentissage en profondeur] Détection de visage Nogisaka ~ Pour les débutants ~
Un mémorandum de méthode souvent utilisé dans l'apprentissage automatique utilisant scikit-learn (pour les débutants)
Tournoi Numerai - Fusion de quants traditionnels et apprentissage automatique -
Un mémorandum d'étude et de mise en œuvre du Deep Learning
Liste des liens que les débutants en apprentissage automatique apprennent
Apprentissage parallèle du deep learning par Keras et Kubernetes
Implémentation du modèle Deep Learning pour la reconnaissance d'images
[Pour les débutants] Introduction à la vectorisation dans l'apprentissage automatique
Présentation et fonctionnalités utiles de scikit-learn qui peuvent également être utilisées pour l'apprentissage en profondeur
[Pour les débutants en apprentissage profond] Implémentation d'une classification binaire simple par couplage complet à l'aide de Keras
[Balisage recommandé dans le machine learning # 2] Extension du script de scraping
[Balisage recommandé dans le machine learning # 2.5] Modification du script de scraping
Mémo d'apprentissage Python pour l'apprentissage automatique par Chainer chapitres 1 et 2
Techniques pour comprendre la base des décisions d'apprentissage en profondeur
Préparation au démarrage de «Python Machine Learning Programming» (pour macOS)
Bibliothèque DNN (Deep Learning): Comparaison de chainer et TensorFlow (1)
Collecte et automatisation d'images érotiques à l'aide du deep learning
PROGRAMMATION PROFONDE PROBABILISTE --- Bibliothèque "Deep Learning + Bayes" --- Présentation d'Edward
Tout pour que les débutants puissent faire du machine learning
[Pour les débutants] Django Commandes fréquemment utilisées et collection de références
Deep learning 1 Pratique du deep learning
[Deep Learning from scratch] Implémentation de la méthode Momentum et de la méthode AdaGrad
Traduction japonaise du matériel pédagogique public du diplôme nano d'apprentissage profond
[Balisage recommandé avec le machine learning # 1] Scraping d'articles de blog Hatena
Examen de la méthode de prévision des échanges utilisant le Deep Learning et la conversion en ondelettes - Partie 2
Vérification des performances du prétraitement des données pour l'apprentissage automatique (données numériques) (partie 2)
[Pour les débutants] Re: Algorithme génétique partant de zéro [Intelligence artificielle]
Principes de base de Pandas pour les débutants ④ Gestion des éléments de date et d'heure
Un résumé de l'apprentissage automatique Python pour débutant est très concis.
[Pour les débutants] Un résumé en mots des langages de programmation populaires (version 2018)
Vérification des performances du prétraitement des données pour l'apprentissage automatique (données numériques) (partie 1)