Бесплатный курс Харварда Введение в искусственный интеллект с использованием языка Python
Бесплатный курс Харварда Введение в искусственный интеллект с использованием Python
Одна из самых крупных проблем, с которыми сталкиваются начинающие при изучении искусственного интеллекта, это выбор лучшего ресурса. Потому что вокруг существует множество ресурсов. Введение в искусственный интеллект с использованием Python в рамках курса CS50, который читается в гарвардском университете, – отличный ресурс для изучения искусственного интеллекта.
За 7 недель вы сначала узнаете основные понятия математической логики и алгоритмов поиска графов. Затем вы также сможете изучить машинное обучение, нейронные сети и языковые модели. Более важно то, что вы также создадите несколько интересных проектов во время обучения этому курсу.
Если вы хотите освежить свои основы программирования перед прохождением этого курса, рекомендуется ознакомиться с Введение в компьютерные науки (CS50x) — также бесплатным курсом, чтобы быть в курсе основ программирования и компьютерных наук.
- «GenAI сделала процесс создания чатбота для моего веб-сайта легким»
- 5 примеров использования DALLE-3
- Mixtral-8x7B + GPT-3 + LLAMA2 70B = Победитель
Итак, давайте рассмотрим содержание курса.
Ссылка на курс: Введение в искусственный интеллект с использованием Python в курсе CS50
1. Поиск
Поисковые алгоритмы направлены на нахождение пути между двумя точками A и B. Оптимальным решением часто является кратчайший путь между A и B. Примеры включают навигационные приложения, которые находят кратчайший маршрут между любыми двумя местами.
В этом первом модуле о поиске рассмотрены следующие темы:
- Поиск в глубину (DFS)
- Поиск в ширину (BFS)
- Жадный поиск с наилучшим первым выбором
- Поиск с использованием алгоритма A*
- Минимакс
- Отсечение альфа-бета
Следующие проекты будут разработаны в этом модуле:
- Степени разделения между двумя актерами (вдохновленная игрой “Шесть степеней начиная с Кевина Бэкона”)
- Искусственный интеллект для игры в крестики-нолики
Ссылка: Поиск
2. Знания
Второй модуль сосредоточен на агентах, основанных на знаниях, которые используют существующие знания для вывода заключений.
Таким образом, модули поиска (первый модуль) и знаний основаны на графовых алгоритмах и математической логике. В последующих модулях вы узнаете о машинном обучении и оптимизации.
Во втором модуле о знаниях рассматриваются следующие темы:
- Предложения в логике
- Выводимость
- Исчисление
- Модель проверки
- Резолюция
- Логика первого порядка
А проекты, которые вы будете создавать, включают:
- Рыцари: программа для решения логических головоломок и искусственный интеллект, играющий в матрицу
- Создание искусственного интеллекта для игры в сапёра
Ссылка: Знания
3. Неопределённость
Вероятность является одним из самых важных понятий при изучении машинного обучения. В этом модуле вы узнаете основные концепции вероятности и случайных величин. Вы также создадите два интересных проекта, чтобы закрепить полученные знания.
Этот модуль включает:
- Вероятность
- Условная вероятность
- Случайные величины
- Независимость
- Байесовские сети
- Распределение
- Марковские модели
- Скрытые Марковские модели
Проекты, которые вы будете создавать:
- Искусственный интеллект, который оценивает значимость веб-страниц по важности
- Искусственный интеллект, оценивающий вероятность наличия генетического признака у человека.
Ссылка: Неопределенность
4. Оптимизация
Оптимизация – это важный математический инструмент, который позволяет решать широкий спектр задач. В основе оптимизации лежит поиск наилучшего решения из набора решений.
В этом модуле рассматриваются следующие алгоритмы оптимизации:
- Локальный поиск
- Подъем на гору
- Имитация отжига
- Линейное программирование
- Удовлетворение ограничений
- Поиск с возвратом
В рамках этого модуля вы создадите ИИ, который генерирует кроссворды.
Ссылка: Оптимизация
5. Обучение
Этот модуль позволяет вам изучить машинное обучение и нюансы различных алгоритмов машинного обучения. Вы узнаете о надзорном, безнадзорном и обучении с подкреплением.
В модуле рассматриваются следующие темы:
- Классификация ближайших соседей
- Обучение перцептрона
- Метод опорных векторов
- Регрессия
- Функции потерь
- Регуляризация
- Марковский процесс принятия решений
- Обучение методом Q
- Кластеризация K-средних
Для этого модуля вам предстоит создать ИИ, который предсказывает, завершит ли клиент онлайн-покупку.
Ссылка: Обучение
6. Нейронные сети
Этот модуль сосредоточен на основах глубокого обучения. Помимо основ глубокого обучения, вы также узнаете, как строить и обучать нейронные сети с использованием TensorFlow.
Вот обзор тем, рассматриваемых в модуле нейронных сетей:
- Искусственные нейронные сети
- Функции активации
- Градиентный спуск
- Обратное распространение
- Переобучение
- Тензорный поток
- Сверточные нейронные сети
- Рекуррентные нейронные сети
В заключение вашего обучения вы поработаете над проектом распознавания дорожных знаков.
Ссылка: Нейронные сети
7. Язык
Этот финальный модуль сосредоточен на работе с естественным языком. От основ обработки языка до трансформаторов и внимания, вот список тем, рассматриваемых в этом модуле:
- Синтаксис
- Семантика
- Контекстно-свободная грамматика
- N-граммы
- Мешок слов
- Внимание
- Трансформеры
Вот проекты для этого модуля:
- Парсер, разбирающий предложения и извлекающий именные фразы
- Предсказание маскированного слова
Ссылка: Язык
Заключение
От алгоритмов графов до машинного обучения, глубокого обучения и языковых моделей – этот курс охватывает несколько ключевых тем в области ИИ.
Я уверен, что слушание лекций, изучение лекционных материалов и выполнение проектов каждую неделю станет отличным учебным опытом. Удачного обучения!
[Bala Priya C](https://twitter.com/balawc27) – разработчик и технический писатель из Индии. Ей нравится работать на пересечении математики, программирования, науки о данных и создания контента. Ее интересы и экспертиза включают в себя DevOps, науку о данных и обработку естественного языка. Она любит чтение, написание, кодинг и кофе! В настоящее время она работает над изучением и обменом своими знаниями с разработческим сообществом, создавая учебные пособия, руководства и мнения и многое другое.