Atọka akoonu[Fipamọ][Ifihan]
- 1. Awọn eroja ti AI
- 2. Python fun Data Science, AI & Development
- 3. AI fun gbogbo eniyan
- 4. AI fun Rere
- 5. Awọn ipilẹ AI fun Gbogbo eniyan Pataki
- 6. Oríkĕ oye AZ 2023
- 7. Ifihan si Imọye Oríkĕ (AI)
- 8. Machine Learning Specialization
- 9. Jin Learning Specialization
- 10. Iṣiro fun Ẹkọ ẹrọ ati Imọ-jinlẹ data
- 11. IBM Applied AI Professional Certificate
- 12. Ifihan to Computer Vision ati Aworan Processing
- 13. Modern Artificial oye Masterclass: Kọ 6 Projects
- 14. Imọye Oríkĕ pẹlu Ẹkọ ẹrọ, Ẹkọ ti o jinlẹ
- 15. Jin Learning AZ 2023
- ipari
Ninu agbaye ti o ni asopọ ti o pọ si ati data-iwakọ, dide ti AI jẹ arabara kan si didan eniyan.
Koko-ọrọ ti AI, ti a da sinu imulation ẹrọ ti ọgbọn eniyan, wa ibaramu ni ọpọlọpọ awọn ohun elo, ṣiṣe awọn ilọsiwaju idalọwọduro jakejado awọn ile-iṣẹ.
Ipa naa jẹ idaran ati jijinna, ti o wa lati ilera, nibiti awọn iwadii agbara AI ti pese iwadii aisan kutukutu, si eto-ẹkọ, iṣuna, ati ikọja.
Adaṣiṣẹ ti awọn ilọsiwaju iṣẹ deede ni itupalẹ data, ati iṣeeṣe fun ilọsiwaju olumulo iriri jẹ diẹ ninu awọn agbegbe ti AI ti n tan imọlẹ.
Imudara ti o wa ni agbegbe AI nilo ifaramo si kikọ ẹkọ nigbagbogbo. Bii awọn aala ti ohun ti o ṣee ṣe tẹsiwaju lati blur, ti o ku lọwọlọwọ lori awọn ilana idagbasoke ati imọ-ẹrọ kii ṣe iṣeduro nikan, ṣugbọn tun nilo.
Eyi jẹ agbegbe nibiti awọn awari lana laipẹ di awọn iwuwọn oni, ti o ṣe afihan ihuwasi iyara ti isọdọtun ni iṣẹ. Ibaramu ti ko ni opin ti ko ni opin ni ilẹ ti o ni ata pẹlu awọn ilọsiwaju ti nlọ lọwọ n tẹnuba iwulo fun iriri ẹkọ ti n dagba nigbagbogbo.
Pẹlupẹlu, pẹlu iwulo idagbasoke fun imọ AI, ori ti iyara wa fun awọn onimọ-ẹrọ ifẹ lati ma wà sinu ipilẹ ti imọ-jinlẹ ti o nifẹ si.
Awọn afojusọna ti deciphering awọn complexities ti imudani ẹrọ, ẹkọ ti o jinlẹ, ati awọn nẹtiwọọki nkankikan tàn.
Bibẹẹkọ, ipa-ọna si ṣiṣakoso AI nigbagbogbo rii bi o nira, pataki nipasẹ awọn ti o wa lori cusp. O jẹ ni aaye yii pe pataki ti awọn iṣẹ ikẹkọ ti iṣeto daradara di mimọ.
Bi a ṣe nlọ si agbegbe ti eto ẹkọ AI, idawọle ti awọn iṣẹ ikẹkọ ti dide lati pade ikun ti awọn ọmọ ile-iwe ti o ni itara.
Awọn iṣẹ-ẹkọ wọnyi, eyiti o ṣe deede si awọn ọna ikẹkọ oriṣiriṣi ati imọ ṣaaju, gbiyanju lati tan ọna kika ẹkọ, ṣiṣe iṣafihan sinu AI kere si idẹruba.
Akojọpọ ọwọ ti awọn iṣẹ ikẹkọ AI fun awọn olubere n ṣiṣẹ bi okuta igbesẹ kan sinu ijọba iyalẹnu yii. Awọn iṣẹ-ẹkọ wọnyi, eyiti a pinnu lati fun ipilẹ to lagbara, bo ọpọlọpọ awọn imọran AI lati pese imọ-jinlẹ daradara.
Wọn ṣe alaye awọn imọran ipilẹ, fun iriri ni ọwọ, ati funni ni wiwo awọn ohun elo gidi-aye ti AI.
Bibẹrẹ ipa ọna ikẹkọ ti o ṣeto dabi ṣiṣi ilẹkun si ọjọ iwaju ti o kun fun awọn iṣeeṣe. Ọna lati kọkọ AI le jẹ iwunilori ati ẹsan pẹlu ikẹkọ to pe.
Awọn akojọpọ yiyan ti atẹle ti awọn iṣẹ ikẹkọ AI jẹ apẹrẹ lati fun ipilẹ to lagbara, ti n tan ina ti iwulo ati ṣeto ipilẹ fun irin-ajo igbadun ni agbegbe moriwu ti AI.
1. Awọn eroja ti AI
MinnaLearn ati Ile-ẹkọ giga ti Helsinki ti ṣẹda lẹsẹsẹ rogbodiyan ti awọn iṣẹ ori ayelujara ọfẹ ti a pe ni Awọn eroja ti AI.
Ibi-afẹde rẹ ni lati demystify AI ati mu ki ọpọlọpọ eniyan ṣiṣẹ, laibikita abẹlẹ, lati loye rẹ. Awọn apakan akọkọ meji wa si iṣẹ ikẹkọ naa.
Abala akọkọ, “Ifihan si AI,” jẹ module ti o rọrun ti ko nilo eyikeyi imọ siseto ṣaaju tabi iṣiro ilọsiwaju. O jẹ apẹrẹ fun ẹnikẹni ti o fẹ lati ni imọ siwaju sii nipa AI, awọn aye rẹ, ati bii o ṣe kan awọn igbesi aye ojoojumọ wa.
Apakan yii n pese ipilẹ to lagbara fun oye awọn ipilẹ AI. "Ile AI," apakan keji, ṣawari awọn algorithms ni awọn alaye ti o tobi ju ti o jẹ ki o ṣee ṣe lati ṣẹda awọn ilana AI.
Fun ilowosi pipe ni ẹkọ imọ-ẹrọ diẹ sii, diẹ ninu imọ ipilẹ ti siseto Python ni imọran.
O jẹ pipe fun awọn ẹni-kọọkan ti o fẹ lati lọ siwaju si ohun elo ti idagbasoke AI ati lọ kọja awọn ipilẹ.
Awọn eroja ti AI duro jade fun iyasọtọ rẹ si tiwantiwa ati ifiagbara imọ AI. Kọ ẹkọ awọn ins ati awọn ita ti AI ko ṣe pataki bi agbọye awọn ohun elo ti o pọju rẹ kọja awọn ile-iṣẹ lọpọlọpọ.
Ẹkọ naa tẹnumọ pe AI kii ṣe fun awọn ẹlẹrọ nikan ṣugbọn fun gbogbo eniyan ti o nifẹ si ọjọ iwaju ti imọ-ẹrọ, ati pe o ṣe agbega ọpọlọpọ awọn lilo ti imọ-ẹrọ.
2. Python fun Imọ -jinlẹ Data, AI & Idagbasoke
Awọn "Python fun data Science, AI & Idagbasoke” dajudaju, ti a ṣe nipasẹ IBM ati pe o wa lori Coursera, jẹ ẹkọ pipe ti o tumọ lati fi awọn akẹẹkọ han si agbaye ti siseto Python.
Ni pataki ni awọn agbegbe ti imọ-jinlẹ data, oye atọwọda, ati idagbasoke.
Pẹlu ọna kika ti iṣẹ-iṣe ọrẹ alabẹrẹ yii, o le kọ ẹkọ lati ṣe eto ni Python ni awọn wakati meji kan, paapaa ti o ko ba ni oye siseto iṣaaju.
Iwọ yoo gba oye ipilẹ ti Python jakejado iṣẹ-ẹkọ naa, ni wiwa awọn oniyipada, awọn ẹya data, awọn ikosile, ati awọn iru data.
Iwọ yoo di ọlọgbọn ni ẹka, awọn losiwajulosehin, awọn iṣẹ, awọn nkan, ati awọn kilasi ni ọgbọn siseto Python. Lilo awọn ile-ikawe Python-bii Pandas, Numpy, ati Bimo Lẹwa—eyiti o ṣe pataki fun itupalẹ data ati ifọwọyi tun bo ninu iṣẹ ikẹkọ naa.
Ilana ilowo ti iṣẹ-ẹkọ yii jẹ ọkan ninu awọn ẹya iyasọtọ rẹ. Nigba ilowo Labs pẹlu Awọn iwe aṣẹ Akọsilẹ Jupyter, o yoo ni anfani lati fi rẹ rinle ipasẹ imo lati lo.
Bi o ṣe n fun ọ laaye lati koju data gidi ati koju awọn ọran gangan, iriri iṣe iṣe yii ko ni idiyele.
Nigbati o ba pari iṣẹ-ẹkọ naa, iwọ yoo ti ni igbẹkẹle ni lilo Python lati ṣẹda awọn eto ti o rọrun, ṣe ajọṣepọ pẹlu data, ati adaṣe awọn iṣẹ ojoojumọ.
A jakejado ibiti o ti ise, pẹlu idagbasoke software, Imọ-ẹrọ data, oye atọwọda, DevOps, ati imọ-jinlẹ data ati awọn atupale, le ni anfani lati awọn ọgbọn ti o gba.
3. AI fun gbogbo eniyan
“AI fun Gbogbo eniyan,” ẹkọ ti a pese nipasẹ deeplearning.ai, jẹ apẹrẹ fun ẹnikẹni ti o fẹ lati kọ ẹkọ nipa agbara rogbodiyan ti itetisi atọwọda laisi gbigbe sinu awọn alaye.
Ẹkọ yii rin ọ nipasẹ awujọ ati awọn ipa iṣowo ti oye atọwọda lakoko ti o funni ni oye kikun ti ohun ti o le ati pe ko le ṣaṣeyọri.
Laibikita imọ-ẹrọ imọ-ẹrọ ẹnikan, o ni ero lati sọ awọn ipilẹ AI sọ di mimọ ati jẹ ki wọn ni oye si awọn olugbo ti o gbooro.
Lakoko ẹkọ naa, iwọ yoo ni imọ siwaju sii nipa awọn iṣẹ inu ti ẹkọ ẹrọ ati ẹkọ ti o jinlẹ, awọn agbegbe meji ti itetisi atọwọda ti o ti fa ọpọlọpọ iwulo laipẹ.
Ni afikun, iwọ yoo ṣe iwadi awọn iwadii ọran-aye gidi ti o ṣe afihan awọn lilo iwulo ti oye atọwọda ni ọpọlọpọ awọn apa.
Lati rii daju pe awọn ọmọ ile-iwe ti mura lati ṣe awọn idajọ ọlọgbọn ni awọn agbegbe wọn, iṣẹ-ẹkọ naa tun ṣalaye awọn ọran ihuwasi ti o yika AI.
Idojukọ lori awọn iṣeduro iṣowo ti AI ni "AI fun Gbogbo eniyan" jẹ ọkan ninu awọn ẹya pataki julọ.
Awọn olukopa yoo ni oye ti awọn ilana fun ṣiṣẹda ile-iṣẹ data-centric kan ati kọ ẹkọ bi o ṣe le ṣaṣeyọri ni aṣeyọri Iyika AI ni awọn ile-iṣẹ tiwọn.
Awọn ọmọ ile-iwe yoo pari ile-ẹkọ ẹkọ yii pẹlu awọn ọgbọn ti o ṣe pataki lati lo awọn ọna idari AI ni awọn iṣẹ amọdaju wọn, ni afikun si oye ipilẹ ti aaye naa.
4. AI fun O dara
Ẹkọ “AI fun O dara” jẹ ipilẹṣẹ gige-eti lati deeplearning.ai ti o ni ero lati lo oye atọwọda lati yanju awọn ọran agbaye ti o nira.
Ẹkọ yii nfunni ni aye toje lati dagbasoke awọn agbara ti o dapọ kọnputa ati oye eniyan fun awọn ipa anfani ni agbaye gidi.
O jẹ apẹrẹ lati ni irọrun ni oye nipasẹ awọn akosemose, awọn ọmọ ile-iwe, ati ẹnikẹni ti o ni itara nipa imudarasi awujọ ati agbegbe.
Iwọ yoo kọ ẹkọ ipilẹ ọna fun ṣiṣẹda awọn iṣẹ akanṣe AI jakejado iṣẹ-ẹkọ naa.
Fun awọn iṣẹ akanṣe ti o da lori ibojuwo ipinsiyeleyele, agbara afẹfẹ, idoti afẹfẹ, ati iṣakoso ajalu, iwọ yoo ṣe iṣiro data ati ṣẹda awọn awoṣe AI.
Lati le fun ọ ni oye to wulo ti awọn ohun elo AI, iṣẹ-ẹkọ naa tun ṣe ayẹwo awọn iwadii ọran-aye gidi ti o jọmọ ilera gbogbogbo, iyipada oju-ọjọ, ati iṣakoso ajalu.
Iwọ yoo ṣe iwari bii o ṣe le ṣẹda awoṣe AI lati mu asọtẹlẹ ti iran agbara afẹfẹ pọ si, lo oju kọmputa awọn ilana lati ṣe idanimọ ati pin awọn ẹranko fun abojuto ipinsiyeleyele, ati ṣe ayẹwo didara afẹfẹ nipa lilo awọn nẹtiwọọki nkankikan.
Ẹkọ naa tun ni wiwa nipa lilo awọn ilana imuṣiṣẹ ede adayeba si awọn ifọrọranṣẹ ti a firanṣẹ lẹhin awọn ajalu ati idagbasoke opo gigun ti ipin aworan fun iṣiro ibajẹ nipa lilo awọn fọto satẹlaiti.
AI fun ilana iṣẹ akanṣe to dara, Awọn iwe akiyesi Jupyter, iran kọnputa, ikẹkọ ẹrọ abojuto, sisẹ ede adayeba, itupalẹ data iwadii, ati diẹ sii wa laarin awọn ọgbọn ti iwọ yoo gba.
Iwọ yoo ni awọn ọgbọn ati alaye ti o nilo lati ṣiṣẹ lori AI fun awọn iṣẹ akanṣe to dara ati ṣẹda awọn ọja ti o lo AI fun awọn idi ayika ati omoniyan nipasẹ ipari ẹkọ naa.
5. Awọn ipilẹ AI fun Pataki Gbogbo eniyan
Ẹkọ okeerẹ “Awọn ipilẹ AI fun Amọja Gbogbo eniyan” ti IBM nfunni lori Coursera ni ipinnu lati sọ awọn ọmọ ile-iwe mọ aaye ti oye atọwọda (AI). Pataki yii ko nilo imọ siseto ati pe a ṣe apẹrẹ fun awọn ti ko ni iriri diẹ si AI.
Fun awọn ọmọ ile-iwe ti o nifẹ si kikọ ẹkọ nipa awọn ipa AI ati awọn iṣeeṣe rogbodiyan fun awujọ ati awọn iṣowo, eyi jẹ aaye nla lati bẹrẹ.
Awọn iṣẹ ikẹkọ mẹta jẹ pataki, ọkọọkan ni idojukọ lori agbegbe pato ti oye atọwọda. Ninu ẹkọ akọkọ, “Ifihan si Imọye Oríkĕ (AI),” awọn ọmọ ile-iwe ni a fun ni oye gbogbogbo ti imọ-ẹrọ, awọn lilo rẹ, ati bii o ṣe n yipada awujọ.
Iwọ yoo ni oye ti iṣe iṣe AI, ẹkọ jinlẹ, awọn nẹtiwọọki nkankikan, ẹkọ ẹrọ, ati awọn akọle miiran ti o jọmọ.
Ẹkọ keji lọ sinu awọn lilo ti awọn iṣẹ Watson AI, ti akole “Bibẹrẹ pẹlu AI ni lilo IBM Watson.”
Iwọ yoo ṣe iwari bii o ṣe le mu awọn iṣẹ pọ si ni eto iṣẹ ati mu iṣelọpọ pọ si nipa lilo awọn eto bii Watson Studio. Awọn ẹya ati awọn iṣẹ ti Awọn iṣẹ IBM Watson laarin igbesi aye AI tun ni aabo ninu iṣẹ-ẹkọ yii.
Ẹkọ ikẹhin, “Ikọkọ AI-Agbara Chatbots Laisi Siseto,” fojusi lori kikọ chatbots laisi iwulo lati kọ koodu.
Awọn anfani ti chatbots, bawo ni a ṣe le lo Iranlọwọ Watson lati kọ chatbot ore-olumulo kan, ati bii o ṣe le ṣepọ pẹlu oju opo wẹẹbu kan yoo jẹ bo gbogbo rẹ.
Iwọ yoo pari nọmba ti ọwọ-lori, awọn iṣẹ-ṣiṣe koodu lakoko pataki. Chatbot atilẹyin alabara ti Watson AI ti o ni agbara lori oju opo wẹẹbu kan yoo ti ṣẹda, idanwo, ati imuse nipasẹ opin.
6. Oríkĕ oye AZ 2023
Ẹkọ ti a ṣe ni pipe “Intelligence Artificial AZ 2023” ṣii ohun elo mi ti oye ti o fun ọ laaye lati ma wà jinlẹ sinu agbaye ti Imọye Oríkĕ (AI).
Ẹkọ yii rin ọ nipasẹ awọn ipilẹ lati ibẹrẹ, ni idaniloju pe ipilẹ to lagbara ti fi idi mulẹ.
Awọn idiju ti oye atọwọda ti han bi o ṣe n lọ, ti n pese oye sinu agbara ti o lagbara ti imọ-ẹrọ imotuntun yii. Module kọọkan ninu iṣẹ ikẹkọ kọ lori eyi ti o ṣaju rẹ, pẹlu ibi-afẹde ti irọrun ikẹkọ ilọsiwaju.
Eyi yoo fun ipa-ọna ikẹkọ rẹ lilu, eyiti o ṣe irọrun isomọ ti o rọrun pupọ ti awọn imọran AI intricate. Níhìn-ín, àwọn iṣẹ́ àyànfúnni gbígbéṣẹ́ tí ó fani mọ́ra tí ó sì ní ìfòyebánilò ni a lò láti tún òye rẹ̀ ṣe.
Iwọ yoo ni aye lati ṣiṣẹ pẹlu data gidi-aye, ati pe iwọ yoo ni inudidun nipasẹ ipenija ti yiyo awọn oye to niyelori lati inu rẹ.
Ẹkọ yii duro jade nitori agbara rẹ lati sọ awọn imọran imọ-jinlẹ nipasẹ ohun elo gidi-aye. Dipo ki o kan jẹ alabara alaye palolo, o ti lọ sinu agbegbe ikẹkọ larinrin.
Awọn idiwọ pupọ lo wa ninu iṣẹ ikẹkọ yii ti yoo ṣe idanwo agbara rẹ lati ronu ni itara ati yanju awọn iṣoro.
Ẹkọ yii fun ọ ni awọn ọgbọn pataki lati lo alaye yii ni aṣeyọri, ni afikun si fifun ọ ni imọ to wulo.
7. Iṣafihan si Imọye Oríkĕ (AI)
Fi ara rẹ bọmi ni aaye ti o fanimọra ti oye atọwọda nipa gbigbe ẹkọ Coursera's “Ifihan si oye Oríkĕ (AI)”.
Ẹkọ yii ṣe idaniloju ipilẹ to lagbara ninu awọn imọran pataki ti AI ati ṣi ọna fun oye jinlẹ ti aaye naa.
A ṣe itọsọna rẹ lati ibẹrẹ nipasẹ ọna ikẹkọ lile ti o ṣafihan ni pẹkipẹki ọpọlọpọ awọn aaye ti oye atọwọda.
Ọna ti a ṣeto ohun elo naa ni iṣẹ ṣiṣe ni idaniloju pe a kọ imọ ni diėdiė ati pe module kọọkan n ṣàn nipa ti ara sinu atẹle.
Ọna ti a ṣe akiyesi daradara yii ṣe atilẹyin oye ti o jinlẹ ti awọn imọran AI ni afikun si ṣiṣe ikẹkọ rọrun.
Eto naa ni wiwa ọpọlọpọ awọn koko-ọrọ, pẹlu ẹkọ ti o jinlẹ, ẹkọ ẹrọ, awọn nẹtiwọọki nkankikan, ati diẹ sii.
O n lọ sinu ọkan ti oye atọwọda ati ṣiṣewadii awọn ẹrọ ti n ṣe agbara awọn ọna ṣiṣe oye — iwọ kii ṣe skimm lori ilẹ nikan.
Ẹkọ naa kun pẹlu awọn adaṣe adaṣe ti o pese fun ọ ni ọna-ọwọ si kikọ ẹkọ. Ṣiṣepọ pẹlu awọn ipilẹ data-aye gidi jẹ iriri ti o fanimọra ati ikẹkọ ti o pese fun ọ.
O fi agbara mu sinu ohun ti o nifẹ, agbegbe ikẹkọ ti o ni agbara nipasẹ iṣẹ-ẹkọ, eyiti ko dinku ọ si ọmọ ile-iwe palolo.
Idi ti ẹkọ naa ni lati ṣe idanwo agbara rẹ lati ronu ni itara ati yanju awọn iṣoro. Lilo imọ ni ibamu, awọn ipo gidi-aye jẹ pataki bi o kan gbigba.
8. Machine Learning Specialization
Ile-ẹkọ giga Stanford ati DeepLearning.ai pese Pataki Ẹkọ Ẹrọ kan.
Eto AI pipe ti a funni nipasẹ Coursera ni itumọ lati fun awọn ọmọ ile-iwe ni ipilẹ to lagbara ni imọ-jinlẹ AI ati awọn agbara ikẹkọ ẹrọ to wulo.
Awọn olukopa ninu pataki yii yoo ṣawari ọpọlọpọ awọn koko-ọrọ ikẹkọ ẹrọ. Ni ibẹrẹ, wọn yoo lo awọn irinṣẹ Python ti a mọ daradara bi NumPy ati scikit-learn lati kọ awọn awoṣe ẹkọ ẹrọ.
Mejeeji abojuto ati awọn ilana ikẹkọ ti ko ni abojuto ni aabo ninu iṣẹ ikẹkọ naa.
Iwọ yoo kọ ẹkọ bii o ṣe le ṣẹda ati ṣe ikẹkọ awọn awoṣe fun isọdi alakomeji ati awọn iṣoro asọtẹlẹ, gẹgẹbi iṣiro ati ipadasẹhin laini, ni lilo ikẹkọ abojuto. Ni afikun, iwọ yoo gba ikẹkọ nẹtiwọọki nkankikan ti o wulo ni lilo TensorFlow fun isọdi-kilasi pupọ.
Ẹkọ naa ni wiwa iṣupọ ati wiwa anomaly ni aaye ti ẹkọ ti ko ni abojuto, fifun awọn ọmọ ile-iwe awọn irinṣẹ ti wọn nilo lati ṣiṣẹ pẹlu data ti ko ni awọn idahun aami.
Amọja naa tun pẹlu awọn imọ-ẹrọ akojọpọ igi, gẹgẹbi awọn igi ti o ni igbega, awọn igbo laileto, ati awọn igi ipinnu.
Itọkasi iṣẹ-ẹkọ yii lori idagbasoke awọn eto alatilẹyin nipasẹ awọn imọ-ẹrọ ikẹkọ jinlẹ ti o da lori akoonu ati awọn ilana sisẹ ifowosowopo jẹ ọkan ninu awọn ẹya iyasọtọ rẹ.
Ni afikun, jin atilẹyin ẹkọ awọn awoṣe ti a ṣe si ọ. Idojukọ ti pataki jẹ lori idagbasoke ikẹkọ ẹrọ awọn iṣe ti o dara julọ, eyiti o ṣe iṣeduro pe awọn awoṣe ti a kọ ọmọ ile-iwe ni ibamu daradara si awọn iṣẹ ṣiṣe gidi-aye ati data.
Iwọ yoo jade kuro ninu eto naa pẹlu oye to lagbara ti awọn imọran ikẹkọ ẹrọ ipilẹ bi daradara bi awọn ọgbọn ọwọ-lori pataki lati lo awọn ọna wọnyi lati koju awọn iṣoro gidi-aye ti o nira.
9. Imọ Ẹkọ jinlẹ
DeepLearning.AI's Deep Learning Specialization jẹ ẹya iforo iwe eko ti o ṣafihan omo ile si jin eko ati Oríkĕ oye.
Titọ, kukuru, ati iseda ti ara ẹni ti iṣẹ ori ayelujara yii, ti a kọ nipasẹ aṣáájú-ọnà ikẹkọ ẹrọ Andrew Ng, jẹ ki o wọle si awọn eniyan kọọkan ti o kan bẹrẹ lori ìrìn AI wọn.
Bibẹrẹ pẹlu imọran ipilẹ ti awọn nẹtiwọọki nkankikan, iwọ yoo kawe ọpọlọpọ awọn koko-ọrọ ikẹkọ jinlẹ ni pataki yii.
Iwọ yoo ni imọ ti awọn paati pataki ti faaji nẹtiwọọki nkankikan bi daradara bi o ṣe le kọ, ṣe ikẹkọ, ati lo awọn nẹtiwọọki ti o jinlẹ ti o ni asopọ ni kikun.
Ẹkọ naa tun ṣawari awọn idagbasoke imọ-ẹrọ bọtini ti o ṣe atilẹyin awọn ohun elo ti ẹkọ jinlẹ. Bi o ṣe nlọsiwaju, iwọ yoo kọ ẹkọ awọn ilana ti o wulo fun ifilọlẹ awọn iṣẹ akanṣe AI rẹ ati kikọ portfolio kan ti o ṣe pataki si ile-iṣẹ naa.
TensorFlow, awọn oluyipada, awọn nẹtiwọọki nipa ti ara ẹni, awọn nẹtiwọọki ti nwaye loorekoore, awọn nẹtiwọọki nkankikan atọwọda, ati siseto Python ni gbogbo wọn bo ni pataki yii.
Iranti igba kukuru gigun (LSTM), awọn awoṣe akiyesi, sisẹ ede adayeba, ohun èlò ati ipin, awọn eto idanimọ oju, iṣapeye, iṣatunṣe hyperparameter, ẹkọ ẹrọ, ẹkọ gbigbe, isọdọtun, ati awọn eto idanimọ oju wa laarin awọn akọle miiran ti iwọ yoo kọ ẹkọ.
Awọn kilasi marun ti ọkọọkan dojukọ lori apakan ọtọtọ ti ẹkọ ti o jinlẹ ṣe agbekalẹ eto naa.
Awọn nẹtiwọọki nkankikan ati ẹkọ ti o jinlẹ, iṣapeye nẹtiwọọki nkankikan jinlẹ, ẹrọ eko ise agbese agbari, convolutional nkankikan nẹtiwọki, ati awọn awoṣe ọkọọkan jẹ awọn apẹẹrẹ diẹ.
Gbogbo ipa-ọna ni itumọ lati kọ sori eyi ti o ṣaju rẹ, ni idaniloju oye kikun ti ikẹkọ jinlẹ.
10. Iṣiro fun Ẹkọ ẹrọ ati Imọ-jinlẹ data
DeepLearning.AI's “Iṣiro fun Ẹkọ ẹrọ ati Imọ-jinlẹ data” pataki jẹ eto-ẹkọ ọrẹ alabẹrẹ ti o pese awọn akẹẹkọ pẹlu apoti irinṣẹ mathematiki ipilẹ ti o nilo fun kikọ ẹrọ.
Ẹkọ yii jẹ apẹrẹ fun ẹnikẹni ti o nfẹ lati mu awọn ipilẹ mathematiki wọn pọ si fun iṣẹ kan ninu ẹkọ ẹrọ ati imọ-jinlẹ data, nitori pe o kan nilo ipele ile-iwe giga ti mathimatiki bi ohun pataki ṣaaju.
Ẹkọ yii yoo kọ ọ ni awọn koko-ọrọ mathematiki pataki gẹgẹbi iṣiro, algebra laini, awọn iṣiro, ati iṣeeṣe. Awọn agbara ipilẹ wọnyi nilo fun ni oye daradara ati lilo ẹrọ aligoridimu.
Ẹkọ naa ti ṣeto si awọn apakan mẹta: Algebra Linear fun Ẹkọ ẹrọ ati Imọ-jinlẹ data, Iṣiro fun Ẹkọ ẹrọ ati Imọ-jinlẹ data, ati iṣeeṣe ati Iṣiro fun Ẹkọ ẹrọ ati Imọ-jinlẹ data.
Iwọ yoo bẹrẹ nipasẹ kikọ ẹkọ nipa awọn adaṣe, awọn matiriki, awọn iyipada laini, ati awọn iyeye, gbogbo eyiti o ṣe pataki fun oye awọn awoṣe ikẹkọ ẹrọ.
Ẹkọ naa lẹhinna ma wà sinu iṣiro, nkọ ọ nipa awọn itọsẹ, gradients, ati awọn ilana imudara bi isosileomi ite, gbogbo eyiti o nilo fun ikẹkọ awọn nẹtiwọọki nkankikan.
Ninu iṣeeṣe ati apakan awọn iṣiro, iwọ yoo kọ ẹkọ nipa awọn oniyipada laileto, imọ-jinlẹ Bayes, awọn ipinpinpin Gaussian, ati idanwo idawọle, ati awọn irinṣẹ iṣiro fun itupalẹ data.
Ni ipari ẹkọ naa, iwọ yoo ni oye kikun ti awọn imọran mathematiki ti o ṣe atilẹyin ihuwasi algorithmic ati bii o ṣe le mu wọn muu mu fun imuse aṣa.
Awọn agbanisiṣẹ ṣe idiyele awọn talenti wọnyi, ati pe wọn yoo ran ọ lọwọ lati ṣẹgun awọn ibeere ifọrọwanilẹnuwo ikẹkọ ẹrọ ati gba iṣẹ pipe rẹ.
11. IBM Applied AI Professional Certificate
IBM Applied AI Professional Certificate, eyiti o wa lori Coursera, jẹ iwe-ẹkọ okeerẹ ti a ṣe apẹrẹ lati jẹ ki o bẹrẹ ni aaye ti oye atọwọda.
Ẹkọ yii, ti o dari nipasẹ awọn alamọja IBM, jẹ apẹrẹ fun awọn olubere ati pe ko nilo eyikeyi siseto ṣaaju tabi imọ oye oye atọwọda.
Pẹlu akoko ipari iṣẹ akanṣe ti oṣu mẹta ni awọn wakati mẹwa fun ọsẹ kan, o rọ to lati gba ọ laaye lati kọ ẹkọ ni iyara tirẹ.
Iwọ yoo gba oye ni kikun ti itetisi atọwọda (AI), awọn lilo rẹ, ati awọn ọran lilo ninu iṣẹ ikẹkọ yii.
Lati bẹrẹ, mọ ararẹ mọ itumọ oye itetisi atọwọda ati ṣalaye awọn imọran bii ẹkọ ti o jinlẹ, ẹkọ ẹrọ, ati awọn nẹtiwọọki nkankikan.
Kọ ẹkọ lati kọ AI chatbots ati awọn oluranlọwọ foju lori awọn oju opo wẹẹbu laisi eyikeyi imọ siseto jẹ ọkan ninu awọn ẹya ti ẹkọ naa.
Ẹkọ naa ni wiwa oye atọwọda, ẹkọ ẹrọ, siseto Python, Watson AI, chatbots, ẹkọ ti o jinlẹ, ati awọn atọkun siseto ohun elo (APIs).
Iwọ yoo tun lọ sinu imọ-jinlẹ data, awọn imọ-ẹrọ iwadii bii awọn iṣẹ IBM Watson AI, OpenCV, ati awọn API lati ṣẹda awọn ojutu ti o ni agbara AI nipasẹ koodu.
Pataki naa jẹ awọn iṣẹ ikẹkọ mẹfa, ọkọọkan eyiti o dojukọ koko-ọrọ pato ti AI ti a lo. Ifihan si AI, ṣiṣe awọn chatbots agbara AI,
Python fun imọ-jinlẹ data, idagbasoke awọn ohun elo AI pẹlu Python ati Flask, ati kikọ awọn ohun elo AI nipa lilo awọn API Watson wa laarin awọn akọle ti o bo.
Ẹkọ kọọkan jẹ itumọ lati kọ lori ọkan ṣaaju rẹ, ti o funni ni oye kikun ti AI ti a lo.
12. Ifihan si Iranran Kọmputa ati Ṣiṣe Aworan
Ti a gbejade nipasẹ IBM lori Coursera, ẹkọ naa “Ifihan si Iranran Kọmputa ati Ṣiṣe Aworan” jẹ iṣẹ-ọrẹ alabẹrẹ ti o ni ero lati ṣafihan awọn ọmọ ile-iwe si aaye ti o fanimọra ti iran kọnputa.
Iranran Kọmputa ni awọn ohun elo ni ọpọlọpọ awọn ile-iṣẹ, pẹlu awọn ẹrọ roboti, otitọ ti a pọ si, ati awọn ọkọ ayọkẹlẹ awakọ ti ara ẹni.
Lakoko ti diẹ ninu ifaramọ pẹlu siseto Python ati iṣiro ile-iwe giga ni a nilo, bẹni imọ-jinlẹ iṣaaju pẹlu ẹkọ ẹrọ tabi iran kọnputa ko nilo fun iṣẹ-ẹkọ yii.
Iwọ yoo kọ ẹkọ lati ṣalaye bii a ṣe lo iran kọnputa ni ọpọlọpọ awọn apa bii bi o ṣe le yanju awọn ọran iran kọnputa nipa lilo sisẹ aworan ati awọn ọna itupalẹ ninu iṣẹ-ẹkọ yii.
Lati ṣe awọn iṣẹ ṣiṣe aworan ipilẹ bi idanimọ ohun ati ipinya aworan, iwọ yoo lo Python, Pillow, ati OpenCV.
Ṣiṣe iyasọtọ aworan pẹlu awọn isunmọ ikẹkọ abojuto jẹ koko-ọrọ miiran ti o bo ninu iṣẹ ikẹkọ naa. Awọn modulu mẹfa ṣe agbekalẹ eto ẹkọ, ati ọkọọkan dojukọ agbegbe kan pato ti sisẹ aworan ati iran kọnputa.
Iwọnyi pẹlu awọn akọle bii awotẹlẹ ti iran kọnputa, idanimọ ohun, ipinsiwe aworan kikọ ẹrọ, ṣiṣe aworan ni lilo OpenCV ati Irọri, awọn nẹtiwọọki nkankikan, ati ẹkọ ti o jinlẹ, ati ọran iṣẹ akanṣe lori iyasọtọ ami ijabọ.
Ẹkọ yii tẹnumọ ẹkọ ti a lo lori oye imọ-jinlẹ lasan. Nipa ṣiṣẹ lori awọn iṣẹ akanṣe, iwọ yoo ṣe agbekalẹ portfolio kan ti awọn aṣeyọri rẹ ti o ṣafihan awọn agbara rẹ ni ṣiṣe aworan ati iran kọnputa.
Jupyter Labs ati Computer Vision Learning Studio (CV Studio), ohun elo ẹkọ iran kọmputa ọfẹ kan, yoo ni idapo ni awọn laabu.
O le gbejade, ṣe ikẹkọ, ati idanwo iyasọtọ aworan alailẹgbẹ tirẹ ati awọn awoṣe wiwa pẹlu CV Studio.
13. Imọye Oríkĕ ode oni Masterclass: Kọ Awọn iṣẹ akanṣe 6
“Klasisi oye Ọgbọn Artificial ti ode oni: Kọ Awọn iṣẹ akanṣe 6” ẹkọ lori Udemy yoo mu ọ lọ si irin-ajo iyalẹnu kan sinu ọkan ti oye atọwọda.
Ẹkọ ti a gbero ni pẹkipẹki nlo agbegbe ikẹkọ ti o da lori iṣẹ akanṣe lati ṣafipamọ apapọ ti imọ-ẹkọ ẹkọ ati awọn ọgbọn iṣe.
Iwọ yoo ṣe iwari pe gbogbo iṣẹ akanṣe ni agbegbe ẹkọ yii jẹ apẹrẹ lati ṣafihan abala ti o yatọ ti oye atọwọda, pese oye pipe ti aaye naa.
Lati ikẹkọ ẹrọ si ikẹkọ jinlẹ si aaye iyalẹnu ti awọn nẹtiwọọki nkankikan, eto naa jẹ pẹlu awọn koko-ọrọ ti o nifẹ si.
Pẹlu iranlọwọ ti awọn iṣẹ akanṣe pataki mẹfa, iwọ yoo lọ sinu ẹgbẹ iṣe ti oye atọwọda (AI), ṣiṣe iriri ikẹkọ rẹ ni agbara ati iyanilẹnu.
Lati le rii daju pe kii ṣe ikẹkọ awọn imọ-jinlẹ nikan ṣugbọn tun dagbasoke agbara lati lo awọn solusan AI, iṣẹ-ẹkọ naa dojukọ tcnu to lagbara lori iṣe iṣe.
Gbogbo iṣẹ akanṣe ti o ṣiṣẹ lori jẹ igbesẹ ti o sunmọ si di amoye ni awọn ọna ati imọ-ẹrọ ti o ṣe pataki ni eka AI.
Iwọ jẹ alabaṣe ti nṣiṣe lọwọ ti o gba awọn italaya ati ṣafihan iyalẹnu ti oye atọwọda le gbejade, kii ṣe ọmọ ile-iwe palolo nikan.
Nipa fifun pẹpẹ nibiti ẹda rẹ ati awọn agbara-ipinnu iṣoro ti jẹ atunṣe nipasẹ awọn iṣẹ akanṣe, “Modern Artificial Intelligence Masterclass: Kọ Awọn iṣẹ akanṣe 6” dajudaju kọja awọn ilana ikẹkọ aṣa.
Agbara rẹ lati dagbasoke, kọ, ati ilọsiwaju awọn ohun elo AI yoo pọsi pupọ bi o ṣe nlọsiwaju nipasẹ iṣẹ-ẹkọ naa.
14. Imọye Oríkĕ pẹlu Ẹkọ Ẹrọ, Ẹkọ Jin
Ẹkọ “Oye Oríkĕ pẹlu Ẹkọ Ẹrọ, Ẹkọ Jin” dajudaju n ṣiṣẹ bi itọsọna fun ọ lakoko iwadii rẹ.
O funni ni iṣelọpọ ọlọrọ ti imọ-jinlẹ ati iriri bi o ṣe n ṣawari awọn algoridimu ipilẹ ati awọn ọna ti o wakọ itetisi atọwọda ti ode oni (AI).
Ẹkọ yii darapọ Ẹkọ Ẹrọ (ML) pẹlu Ẹkọ Jin (DL) lati pese fun ọ pẹlu awọn irinṣẹ ti o nilo lati lilö kiri ni awọn agbegbe data intricate. Imọye ti o jinlẹ ti AI, ML, ati DL ni iwuri nipasẹ ọna ti a ṣeto awọn modulu ikẹkọ.
Nipa yiyọ awọn fẹlẹfẹlẹ ti awọn algoridimu, wọn ṣe itọsọna rẹ nipasẹ ero lẹhin wọn. Lati ṣe iṣeduro oye pipe, awọn ikowe imọ-jinlẹ, ati awọn iṣe iṣe ni asopọ papọ.
Agbara rẹ lati ṣẹda awọn ọna ṣiṣe oye ti o le kọ ẹkọ lati inu data yoo ni ilọsiwaju bi abajade ti ṣiṣẹ lori awọn iṣẹ akanṣe gidi-aye.
Ifamọra ti ẹkọ ẹrọ (ML) ati ẹkọ ti o jinlẹ (DL) ni agbara wọn lati wa awọn ilana ni data — agbara to ṣe pataki ti iṣẹ-ẹkọ yii ṣe idagbasoke ni pẹkipẹki.
Nipa didari ọ nipasẹ iruniloju ti awọn nẹtiwọọki nkankikan, aaye aramada ti ẹkọ jinlẹ yoo di isunmọ diẹ sii.
Ni afikun, nipa ṣiṣe alaye awọn imọran ti abojuto, aisi abojuto, ati ikẹkọ imuduro, iṣẹ-ẹkọ naa npa aaye ti ẹkọ ẹrọ jẹ.
Iwọ yoo ni oye to wulo ti igbaradi data, igbelewọn awoṣe, ati awọn isunmọ iṣapeye lati iṣẹ-ẹkọ yii, ni idaniloju pe o loye awọn ipilẹ.
Ikẹkọ naa tun ṣe alaye ilana ti kikọ, fifin, ati imudara awọn awoṣe lati le gbe awọn asọtẹlẹ to peye. Awọn iṣẹ ṣiṣe nfa ọ lati lo ohun ti o ti kọ, eyiti o ṣe agbega agbara ati oye.
15. Ẹkọ ti o jinlẹ AZ 2023
Ṣawakiri agbaye ti awọn oye idari data nipa fiforukọṣilẹ ni iṣẹ-ẹkọ “Ẹkọ Jin AZ 2023”. Ẹkọ yii ṣiṣẹ bi ile ina kan, ti n ṣafihan ọna lati di alamọja ni ẹkọ ti o jinlẹ, ẹka pataki ti oye atọwọda.
O jẹ ki ilẹ ti o nira ti ẹkọ jinlẹ ni oye nipa pipinka awọn nẹtiwọọki nkankikan pẹlu awọn paati ti a ṣe apẹrẹ ni irora.
Iwọ yoo kọ ẹkọ nipa awọn iṣẹ ti convolutional ati awọn nẹtiwọọki ti nwaye loorekoore bi o ṣe nlọsiwaju nipasẹ awọn iṣẹ ikẹkọ, eyiti yoo fun ọ ni oye to lagbara ti bii awọn kọnputa ṣe gba ati ṣe ilana data idiju.
Ẹkọ naa tun ni wiwa ẹkọ ti ko ni abojuto, ti n ṣafihan rẹ si imọ-jinlẹ ati aworan ti nkọ awọn kọnputa lati wa awọn ilana ni data ti ko ni aami.
Ipilẹ ti ẹkọ naa jẹ ẹya paati ti o wulo, eyiti o pese ọna ti fifi imọ-ẹkọ ẹkọ si lilo ni awọn ipo iṣe.
Iwọ yoo ṣiṣẹ lori awọn iṣẹ akanṣe ti o ṣe idanwo agbara rẹ lati lo awọn awoṣe ẹkọ jinlẹ lati koju awọn iṣoro iyara.
Awọn iṣẹ-ṣiṣe wọnyi jẹ aaye ibi-iṣere fun didimu awọn agbara rẹ ati rii daju pe o loye awọn ipilẹ ti ẹkọ ti o jinlẹ, dipo idanwo nikan.
Loye bii o ṣe le lo Keras ati TensorFlow, awọn irinṣẹ ipilẹ meji fun ṣiṣẹda ati isọdọtun awọn awoṣe ikẹkọ jinlẹ ti o gbẹkẹle, jẹ ọkan ninu awọn ọna gbigbe akọkọ ti ẹkọ naa.
Ni afikun, iwọ yoo ṣawari sisẹ ede adayeba, eyiti yoo yorisi aaye fanimọra ti ibaraenisọrọ ẹrọ-eniyan.
Lati le ṣe iṣeduro oye kikun ti ẹkọ ti o jinlẹ, iṣẹ-ẹkọ naa tun lọ kiri okun ti ẹkọ imuduro.
ipari
Ni akọkọ, yiyan nipasẹ plethora ti awọn iṣẹ AI ti o wa si awọn alakọbẹrẹ le dabi iṣẹ ṣiṣe ti o lagbara. Ṣugbọn ni kete ti o bẹrẹ, ọna lati loye awọn ipilẹ ti oye atọwọda jẹ iyalẹnu laiseaniani.
Awọn iṣẹ ikẹkọ ti a ṣe ni pẹkipẹki pese apapọ ti imọ-ẹkọ ẹkọ ati iriri gidi-aye lati ṣe iranlọwọ fun awọn olubere lati lilö kiri ni agbegbe idiju ti oye atọwọda.
Ayika ikẹkọ ti o nifẹ jẹ ipilẹṣẹ nipasẹ awọn ikẹkọ ibaraenisepo ati awọn iṣẹ akanṣe ti o jẹ ipilẹ akọkọ ti awọn iṣẹ ikẹkọ pupọ julọ.
Paapọ pẹlu fifun imọ pataki, wọn tun ṣe iwuri iwariiri ati oye ti aṣeyọri ninu awọn ọmọ ile-iwe.
Iranlọwọ ti o kun gbogbo ati awọn ohun elo ti a funni ni awọn iṣẹ ikẹkọ ṣiṣẹ bi paadi ifilọlẹ ti o lagbara, titari awọn aspirants sinu ọjọ iwaju ti o kun fun awọn imotuntun imọ-ẹrọ.
Fi a Reply