आर्टिफिशियल इंटेलिजेंस एक बहुत व्यापक क्षेत्र है और यह कंप्यूटर विज्ञान, गणित, हार्डवेयर डिजाइन और यहां तक कि जीव विज्ञान और मनोविज्ञान के कई और बहुत गहरे क्षेत्रों को कवर करता है। गणित के लिए: मुझे लगता है कि कैलकुलस, सांख्यिकी और अनुकूलन सबसे महत्वपूर्ण विषय हैं, लेकिन जितना आप चोट नहीं कर सकते हैं उतना गणित सीखना।
शुरुआती लोगों के लिए एआई के बारे में कई अच्छे मुक्त परिचयात्मक संसाधन हैं। मैं इसे एक के साथ शुरू करने की अत्यधिक सलाह देता हूं:
http://aiplaybook.a16z.com/
उन्होंने AI की सामान्य अवधारणाओं के बारे में दो वीडियो भी प्रकाशित किए, आप उन्हें Vimeo पर पा सकते हैं: "AI, डीप लर्निंग, और मशीन लर्निंग: ए प्राइमर "और" एआई का वादा "
एक बार जब आप मूल एआई शर्तों और दृष्टिकोणों की स्पष्ट समझ रखते हैं, तो आपको यह पता लगाना होगा कि आपके लक्ष्य क्या हैं। आप किस तरह का AI सॉफ्टवेयर विकसित करना चाहते हैं? आप किन उद्योगों में रुचि रखते हैं? बड़ी कंपनियों की परियोजनाओं में शामिल होने की आपकी संभावनाएं क्या हैं? यह सही उपकरण लेने के लिए आसान है जब आप जानते हैं कि आप वास्तव में क्या हासिल करना चाहते हैं।
एआई के लिए नए लोगों के लिए सबसे दिलचस्प क्षेत्र डीप लर्निंग है। बस यह स्पष्ट करने के लिए, मशीन लर्निंग के बाहर एआई के कई क्षेत्र हैं और डीप लर्निंग के बाहर मशीन लर्निंग के कई क्षेत्र हैं। (आर्टिफिशियल इंटेलिजेंस> मशीन लर्निंग> डीप लर्निंग) हालिया घटनाक्रम और हाइप न्यूज की ज्यादातर डीएल के बारे में हैं।
यदि आपको डीप लर्निंग में भी रुचि है, तो आपको कृत्रिम तंत्रिका नेटवर्क की अवधारणाओं के बारे में सीखना शुरू करना होगा। सौभाग्य से मूल बातें समझना बहुत मुश्किल नहीं है और वेब पर बहुत सारे ट्यूटोरियल, कोड उदाहरण और मुफ्त सीखने के संसाधन हैं और प्रयोग करने के लिए कई ओपन-सोर्स फ्रेमवर्क हैं।
इस तरह का सबसे लोकप्रिय डीप लर्निंग फ्रेमवर्क TensorFlow है। यह Google द्वारा समर्थित है। इसे प्यार करो या नफरत करो, यह एक पायथन आधारित ढांचा है। कई अन्य पायथन आधारित रूपरेखाएँ हैं, साथ ही साथ। स्किकिट-लर्न, थीनो, केरस का अक्सर ट्यूटोरियल में भी उल्लेख किया गया है। (एक टिप: यदि आप Windows का उपयोग करते हैं तो आप WinPython डाउनलोड कर सकते हैं जिसमें ये सभी चौखटे शामिल हैं।)
जावा फ्रेमवर्क के बारे में, दुर्भाग्यवश इतने सारे विकल्प नहीं हैं। डीएल के लिए सबसे प्रमुख जावा ढांचा Deeplearning4j है। यह एक छोटी कंपनी द्वारा विकसित किया गया है और इसका उपयोगकर्ता आधार बहुत छोटा है फिर TensorFlow के आसपास की भीड़। इस ढांचे के लिए कम परियोजनाएं और ट्यूटोरियल हैं। हालांकि, उद्योग विशेषज्ञों का कहना है कि जावा आधारित फ्रेमवर्क अंततः जावा आधारित बिग डेटा सॉल्यूशंस के साथ बेहतर रूप से एकीकृत होते हैं और वे पोर्टेबिलिटी और आसान उत्पाद तैनाती का उच्च स्तर प्रदान कर सकते हैं। बस एक विचारधारा: नासा की जेट प्रोपल्शन लेबोरेटरी ने कई परियोजनाओं के लिए डीप्लिन्टिंग 4 जे का उपयोग किया।
यदि आप प्रवाह के साथ जाने का निर्णय लेते हैं और TensorFlow के बारे में अधिक सीखना शुरू करना चाहते हैं, तो मैं आपको "DeepLearning.TV", "sentdex" और "सिराज रावल" के YouTube चैनल देखने की सलाह देता हूं। उनके पास अच्छे ट्यूटोरियल और कुछ शांत डेमो हैं। और अगर आप एक गहरा गोता लगाने का फैसला करते हैं, तो आप udacity या coursera में ऑनलाइन कोर्स के लिए साइन अप कर सकते हैं।
यह जानना भी आपके लिए दिलचस्प हो सकता है कि वैकल्पिक भाषाओं के साथ जावा वर्चुअल मशीन के लिए अन्य डीप लर्निंग चौखटे हैं, उदाहरण के लिए क्लोजर। (क्लोजर, LISP की एक बोली है और इसे जॉन मैकार्थी द्वारा आविष्कार किया गया था, वही कंप्यूटर वैज्ञानिक जिन्होंने "कृत्रिम बुद्धिमत्ता" शब्द गढ़ा था। दूसरे शब्दों में अधिक आधुनिक और लोकप्रिय प्रोग्रामिंग भाषा और उपकरण हैं, लेकिन यह अभी भी संभव है / और थोड़े शांत हैं। / एआई के लिए भाषा का उपयोग करने के लिए जिसे मूल रूप से एआई के लिए डिज़ाइन किया गया था। हैम्बर्ग में बोल्डर और फ्रीहीट में थिंकटोपिक दो कंपनियां हैं जो एआई परियोजनाओं के लिए क्लोजर का उपयोग करती हैं। और यदि आप एआई और रोबोटिक्स में क्लोएर्योर का उपयोग करने के लिए प्रेरणा प्राप्त करने के लिए कुछ भयानक देखना चाहते हैं, तो। मैं आपको YouTube वीडियो "OSCON 2013: कैरिन मीयर, द जॉय ऑफ फ्लाइंग रोबोट्स विथ क्लोजर" की जांच करने की सलाह देता हूं।
(+++ कोई भी मुझे कुछ भी गलत कहने पर स्वतंत्र महसूस करने के लिए स्वतंत्र है। +++)