কেউ কীভাবে কৃত্রিম বুদ্ধি শিখতে শুরু করে?


16

আমি একজন সফটওয়্যার ইঞ্জিনিয়ারিংয়ের ছাত্র এবং আমি এআইয়ের সম্পূর্ণ শিক্ষানবিস। আমি কীভাবে এআই শিখতে শুরু করব সে সম্পর্কে প্রচুর নিবন্ধ পড়েছি তবে প্রতিটি নিবন্ধটি আলাদাভাবে প্রস্তাব দেয়। আমি ভাবছিলাম যে আপনারা কেউ বিশেষজ্ঞ আমাকে সঠিক উপায়ে শুরু করতে সহায়তা করতে পারেন কি না।

আরও কয়েকটি সুনির্দিষ্ট প্রশ্ন

  1. কোন ভাষায় আমার ফোকাস করা উচিত? অনেকগুলি নিবন্ধ পাইথন, সি ++ বা এআই এর জন্য লিস্পের পরামর্শ দেয়। আমি বর্ণিত অন্য ভাষার পরিবর্তে জাভা ব্যবহার করতে পারি?

  2. আমার কী ধরনের গাণিতিক পটভূমি থাকা উচিত? প্রথম বছরের সময়কালে, আমি পৃথক গণিত করেছি, যার মধ্যে নিম্নলিখিত বিষয়গুলি অন্তর্ভুক্ত ছিল: সেট, ম্যাট্রিক্স, ভেক্টর, ফাংশন, লজিক এবং গ্রাফ তত্ত্ব (তারা এই বিষয়গুলি সংক্ষেপে শিখিয়েছিলেন)। আমার এখন শিখতে হবে এমন আরও কি কোন বিষয় রয়েছে? উদাহরণস্বরূপ, ক্যালকুলাস?

যদি সম্ভব হয় তবে আমি শুরু করার জন্য আমি যে কোনও সংস্থান বা বই ব্যবহার করতে পারি তার প্রশংসা করব, বা আপনি লোকেরা আপনার স্তরের সাথে যোগাযোগ করতে আমি অনুসরণ করতে পারেন এমন একটি বিশদ পদ্ধতি দিতে পারেন।

দ্রষ্টব্য: আপাতত আমি নিউরাল নেটওয়ার্ক এবং মেশিন লার্নিংয়ে ফোকাস করতে চাই। আমি এর পরে আমি রোবোটিক এবং প্রাকৃতিক ভাষা প্রক্রিয়াজাতকরণ অন্বেষণ করতে চাই।


উত্তর:


16

কৃত্রিম বুদ্ধিমত্তা একটি খুব বিস্তৃত ক্ষেত্র এবং এটি কম্পিউটার বিজ্ঞান, গণিত, হার্ডওয়্যার ডিজাইন এমনকি জীববিজ্ঞান এবং মনোবিজ্ঞানের অনেকগুলি এবং খুব গভীর ক্ষেত্রকে কভার করে। গণিত হিসাবে: আমি মনে করি ক্যালকুলাস, পরিসংখ্যান এবং অপ্টিমাইজেশন সর্বাধিক গুরুত্বপূর্ণ বিষয়, তবে যতটা গণিত শেখা আপনি ক্ষতি করতে পারবেন না।

নতুনদের জন্য এআই সম্পর্কে অনেকগুলি বিনামূল্যে নিখরচায় সূত্র রয়েছে। আমি এটির সাথে শুরু করার জন্য অত্যন্ত পরামর্শ দিচ্ছি: http://aiplaybook.a16z.com/ এআইয়ের সাধারণ ধারণাগুলি সম্পর্কে তারা দুটি ভিডিও প্রকাশ করেছে, আপনি সেগুলি ভিমেওতে খুঁজে পেতে পারেন: "এআই, ডিপ লার্নিং এবং মেশিন লার্নিং: এ প্রাইমার "এবং" এআই এর প্রতিশ্রুতি "

একবার আপনার কাছে এআই এর বেসিক শর্তাদি এবং পদ্ধতির স্পষ্ট বোঝা হয়ে গেলে আপনার লক্ষ্যগুলি কী তা নির্ধারণ করতে হবে। আপনি কোন ধরণের এআই সফ্টওয়্যার বিকাশ করতে চান? কোন শিল্পে আপনি আগ্রহী? বড় সংস্থাগুলির প্রকল্পগুলিতে জড়িত হওয়ার আপনার সম্ভাবনা কী কী? আপনি কী অর্জন করতে চান তা সঠিকভাবে জানলে সঠিক সরঞ্জামগুলি চয়ন করা সহজ।

এআইতে সর্বাধিক আকর্ষণীয় অঞ্চল হ'ল ডিপ লার্নিং। কেবল এটি পরিষ্কার করার জন্য, মেশিন লার্নিংয়ের বাইরে এআইয়ের অনেকগুলি অঞ্চল রয়েছে এবং ডিপ লার্নিংয়ের বাইরেও মেশিন লার্নিংয়ের অনেকগুলি অঞ্চল রয়েছে। (কৃত্রিম বুদ্ধিমত্তা> মেশিন লার্নিং> ডিপ লার্নিং) সাম্প্রতিক ঘটনাবলি এবং হাইপ্পড নিউজগুলি ডিএল সম্পর্কে।

আপনি যদি ডিপ লার্নিংয়েও আগ্রহী হন, আপনাকে কৃত্রিম নিউরাল নেটওয়ার্কগুলির ধারণাগুলি সম্পর্কে শিখতে হবে। ভাগ্যক্রমে বেসিকগুলি বোঝা খুব কঠিন নয় এবং ওয়েবে প্রচুর টিউটোরিয়াল, কোড উদাহরণ এবং নিখরচায় শেখার সংস্থান রয়েছে এবং এর সাথে পরীক্ষা শুরু করার জন্য অনেকগুলি ওপেন-সোর্স ফ্রেমওয়ার্ক রয়েছে।

সর্বাধিক জনপ্রিয় এই ডিপ লার্নিং কাঠামোটি হ'ল টেনসরফ্লো। এটি গুগল সমর্থন করে। এটি পছন্দ করুন বা এটি ঘৃণা করুন, এটি পাইথন ভিত্তিক কাঠামো। পাইথন ভিত্তিক আরও অনেক কাঠামো রয়েছে। টিউটোরিয়ালেও সায়কিট-লার্ন, থানো, কেরাসের প্রায়শই উল্লেখ করা হয়। (একটি টিপ: যদি আপনি উইন্ডোজ ব্যবহার করেন তবে আপনি উইনপাইথন ডাউনলোড করতে পারেন যাতে এই সমস্ত ফ্রেমওয়ার্ক রয়েছে))

জাভা ফ্রেমওয়ার্কগুলি সম্পর্কে, দুর্ভাগ্যক্রমে এতগুলি বিকল্প নেই। ডিএল-এর জন্য সর্বাধিক বিশিষ্ট জাভা কাঠামো হ'ল ডিপ্লিয়ারিং 4জে। এটি একটি ছোট সংস্থার দ্বারা বিকাশ করা হয়েছে এবং টেনসরফ্লো এর আশেপাশের ভিড়ের ব্যবহারকারীর ভিত্তি অনেক কম। এই কাঠামোর জন্য কম প্রকল্প এবং টিউটোরিয়াল রয়েছে। তবে শিল্প বিশেষজ্ঞরা বলেছেন জাভা ভিত্তিক ফ্রেমওয়ার্কগুলি শেষ পর্যন্ত জাভা ভিত্তিক বিগ ডেটা সমাধানের সাথে আরও ভালভাবে সংহত করে এবং তারা উচ্চতর স্তরের বহনযোগ্যতা এবং সহজ পণ্য স্থাপনার সরবরাহ করতে পারে। কেবলমাত্র একটি পার্শ্ব: নাসার জেট প্রোপালশন ল্যাবরেটরি অনেক প্রকল্পের জন্য ডিপ্লিয়ারিং 4 জে ব্যবহার করেছে।

আপনি যদি প্রবাহের সাথে যেতে চান এবং টেনসরফ্লো সম্পর্কে আরও শিখতে চান তবে আমি আপনাকে "ডিপলিয়ারিং.টিভি", "সেন্ডেক্সেক্স" এবং "সিরাজ রাওয়াল" এর ইউটিউব চ্যানেলগুলি পরীক্ষা করে দেখার পরামর্শ দিই। তাদের সুন্দর টিউটোরিয়াল এবং কিছু দুর্দান্ত ডেমো রয়েছে। এবং যদি আপনি আরও গভীর ডুব নেওয়ার সিদ্ধান্ত নেন তবে আপনি অড্যাসি বা কোর্সারে কোনও অনলাইন কোর্সে সাইন আপ করতে পারেন।

আপনার কাছে এটি জেনে রাখা আকর্ষণীয়ও হতে পারে যে জাভা ভার্চুয়াল মেশিনের জন্য বিকল্প ভাষা সহ অন্যান্য ডিপ লার্নিং ফ্রেমওয়ার্ক রয়েছে, উদাহরণস্বরূপ ক্লোজার। (ক্লোজিউর এলআইএসপি-র একটি উপভাষা এবং এটি আবিষ্কার করেছিলেন একই কম্পিউটার বিজ্ঞানী জন ম্যাকার্থি, যিনি "কৃত্রিম বুদ্ধি" শব্দটি তৈরি করেছিলেন। অন্য কথায় আরও আধুনিক এবং জনপ্রিয় প্রোগ্রামিং ভাষা এবং সরঞ্জাম রয়েছে, তবে এটি এখনও সম্ভব / এবং কিন্ডা শীতল / এআই এর জন্য যে ভাষাটি মূলত এআইয়ের জন্য তৈরি করা হয়েছিল সে ভাষাটি ব্যবহার করুন B বোল্ডারের থিঙ্কটপিক এবং হামবুর্গের ফ্রেইহাইট দুটি সংস্থা যা এআই প্রকল্পগুলির জন্য ক্লোজার ব্যবহার করেন And এবং আপনি যদি এআই এবং রোবোটিকের ক্লোজার ব্যবহারের অনুপ্রেরণা পেতে কোন দুর্দান্ত কিছু দেখতে চান, আমি আপনাকে ইউটিউব ভিডিও "ওসকন 2013: ক্যারিন মেয়ার, দ্য জয় অফ ফ্লাইং রোবট উইথ ক্লোজার" "দেখার জন্য সুপারিশ করছি।

(+++ আমি কিছু ভুল বললে কেউ আমাকে সংশোধন করতে দ্বিধা বোধ করেন। +++)


যেহেতু জাভাটির জন্য কম ফ্রেমওয়ার্ক রয়েছে তাই এটির জন্য কি আমার নিজস্ব ফ্রেমওয়ার্কগুলি লেখা সম্ভব, যা আমি টেনসরফ্লোয়ের বিকল্প হিসাবে ব্যবহার করতে পারি? ধন্যবাদ
aspire29

1
প্রাথমিক ধারণাটি অধ্যয়নের জন্য আপনার নিজস্ব কাঠামো তৈরি করা খুব ভাল ধারণা। অন্যদিকে, টেনসরফ্লো একটি বিশাল সম্প্রদায় এবং প্রচুর প্রতিভাবান পেশাদার দ্বারা বিকাশিত। সত্যই আমি মনে করি না যে কোনও হোমমেড ফ্রেমওয়ার্ক এটির সাথে সফলভাবে প্রতিযোগিতা করতে পারে। বিটিডব্লিউ, আমি কেন এত কম জাভা এআই ফ্রেমওয়ার্কগুলি বুঝতে পারছি না ... এটি এখনও ১ নং বিবেচনা করে। প্রোগ্রামিং ভাষা এবং জেভিএম প্রায় সর্বত্রই। আমি অনুমান করি এআই এখনও উত্পাদন সম্পর্কে গবেষণা সম্পর্কে বরং।
akopacsi

6

আপনি দেখতে পাবেন যে ক্যালকুলাস এবং লিনিয়ার বীজগণিত উভয়েরই এআই / এমএল কৌশলগুলিতে কিছু প্রয়োগ রয়েছে। অনেক অর্থে, আপনি তর্ক করতে পারেন যে এমএল এর বেশিরভাগ অংশ লিনিয়ার বীজগণিতকে হ্রাস করে এবং ক্যালকুলাস ব্যবহৃত হয়, যেমন। স্নায়বিক নেটওয়ার্ক প্রশিক্ষণের জন্য ব্যাকপ্রোপ্যাগেশন অ্যালগরিদম।

আপনার সম্ভাব্যতা এবং পরিসংখ্যানের ক্ষেত্রেও দু'একটি ক্লাস নিতে ভালভাবে পরিবেশিত হবেন।

প্রোগ্রামিং ভাষার পছন্দটি কম গুরুত্বপূর্ণ, আইএমও। আপনি যে কোনও মূলধারার ভাষা এবং প্রচুর অ-মূলধারার ভাষাতে এআই / এমএল করতে পারেন। সবচেয়ে বড় পার্থক্যটি কার্য সম্পাদন এবং গ্রন্থাগার / সরঞ্জামগুলির উপলব্ধতার সাথে জড়িত। সি ++, উদাহরণস্বরূপ, সাধারণত জাভা বা পাইথনকে ছাড়িয়ে যায় এবং এটি আপনাকে আপনার হার্ডওয়ারের ক্ষমতা সর্বাধিকতর করতে "ধাতুর কাছাকাছি" পেতে দেয়। পাইথনের অবশ্য একটি ভাল এফএফআই রয়েছে, এবং প্রায়শই সি বা সি ++ এর সাথে ব্যবহৃত হয়। পাইথন, সি ++, জাভা, আর, অ্যাকটাভ / মতলব এবং কয়েকটি অন্যান্য ভাষায় প্রচুর উচ্চ মানের গ্রন্থাগার পাওয়া যায় যা আপনি কী করতে চান তার উপর নির্ভর করে আপনার পক্ষে গুরুত্বপূর্ণ হতে পারে।

এটি বলেছিল, আপনি সম্ভবত এমএল / এআই চেষ্টা করে দেখতে চান না, বলুন, সিওবিএল বা পিএল / আই বা আরপিজি / 400 বা কিছু। কমপক্ষে যুক্তিসঙ্গতভাবে জনপ্রিয় কিছুতে লেগে থাকুন। Mloss.org এর আশেপাশে তাকান এবং দেখুন বিভিন্ন লাইব্রেরি / টুলকিটগুলি বিভিন্ন ভাষায় কীভাবে পাওয়া যায় এবং এটি আপনার পছন্দকে গাইড করতে সহায়তা করে।


5

আমি যখন এআই-তে আগ্রহী হয়েছি, তখন আমি সর্বাধিক প্রাথমিক জিনিসগুলি দিয়ে শুরু করি। আমার প্রথম বইটি ছিল রাসেল এবং নরভিগের কৃত্রিম বুদ্ধিমত্তা- একটি আধুনিক পদ্ধতির । আমি মনে করি এটি শুরু করার জন্য একটি ভাল জায়গা, এমনকি আপনি বেশিরভাগ ডিপ নেটতে আগ্রহী হলেও। এটি কেবলমাত্র মৌলিক এআই ধারণা এবং অ্যালগরিদম (বিশেষজ্ঞ সিস্টেম, গভীরতা-প্রথম এবং প্রস্থের প্রথম অনুসন্ধান, জ্ঞানের উপস্থাপনা ইত্যাদি) বিবেচনা করে না তবে মৌলিক গণিত (বায়েশিয়ান যুক্তি, ফার্স্ট অর্ডার লজিক, এনএল এন-গ্রাম ইত্যাদি) ব্যবহার করে) এবং কিছু সাধারণভাবে পরিচিত সমস্যা (যেমন ট্র্যাভেলিং সেলসম্যান সমস্যা হিসাবে)।

আপনি এমএল-তে বিশেষ আগ্রহী হওয়ায় পরিসংখ্যানগুলিও শেখা ভাল ধারণা হতে পারে। উল্লিখিত বইয়ের পরে আপনার পরবর্তী কী শিখতে হবে সে সম্পর্কে আপনারও ভাল ধারণা থাকা উচিত।

  • প্রোগ্রামিং ভাষা সম্পর্কে খুব বেশি যত্ন করবেন না।

প্রোগ্রামিং নিজেই এবং সম্পর্কিত কৌশলগুলি বোঝার জন্য এটি আরও অনেক গুরুত্বপূর্ণ। ডেটা স্ট্রাকচার, অ্যালগরিদম এবং বিভিন্ন প্রোগ্রামিং প্যারাডিম (যেমন ওওপি, ফাংশনাল প্রোগ্রামিং ইত্যাদি) সম্পর্কে কিছু শিখুন। প্রোগ্রামিংয়ের পিছনে যুক্তি বোঝার চেষ্টা করুন কেবল একটি নির্দিষ্ট ভাষা নয়। সর্বোপরি, আপনি কীভাবে প্রোগ্রাম করবেন তা একবার বুঝতে পারলে একটি নতুন ভাষা শেখা এতটা কঠিন নয় (তারপরে একটি নতুন ভাষা শেখা কেবল কম বেশি সিনট্যাকটিক চিনি)।


1
আমি পঠনযোগ্যতার জন্য সামান্য সম্পাদনা করেছি এবং পাঠ্যপুস্তকে একটি লিঙ্ক যুক্ত করেছি। ভাল পরামর্শ, বিশেষত পুনরায়: প্রোগ্রামিং ভাষা। (কোডারদের দিকে তাকান যারা "সিনট্যাক্সের সাথে যে কোনও ভাষায়" কাজ করেন :) সত্যিই কোনও প্রদত্ত প্রকল্প বা কার্যের জন্য সবচেয়ে অনুকূল বা সুবিধাজনক এমনটিতে নেমে আসে।
DukeZhou

4

এআই এর প্রাথমিক বিষয়গুলি জানার জন্য আমি দরকারী কিছু উত্স এখানে পেয়েছি

অ্যান্ড্রু এনজি স্ট্যানফোর্ডের একজন ভিজিটিং অধ্যাপক, কুরসেরার প্রতিষ্ঠাতা এবং বর্তমানে আলিবাবার গবেষণার প্রধান। উপরের ভিডিওগুলি আপনাকে এআই সম্পর্কে আপনার প্রয়োজনীয় সমস্তগুলি (সমস্ত) দেওয়া উচিত।


3

এআই শুরু করার জন্য প্রথমে বুঝতে হবে এআই কী। এমএনআইএসটি'র সঠিকতা কেন ২০১২ সালের পরে দ্রুত বৃদ্ধি পায় machine মেশিন লার্নিংয়ের সঠিকতা বাড়াতে এআইয়ের দরকার কেন।

এআই দিয়ে মেশিন লার্নিংয়ে অ্যাপ্লিকেশন শুরু করতে এবং তৈরি করতে আপনার গণিত বা কোনও ধরণের রকেট বিজ্ঞানের প্রয়োজন নেই। আপনি দেরী করেছেন আমার ভাই লোকেরা একটি মোড়কের মতো সমস্ত মেশিন লার্নিং সমস্যার জন্য শর্টকাট তৈরি করে। আপনাকে কেবল কোনও পদ্ধতিতে ডেটা পাস করতে হবে এবং পদ্ধতিটি সমস্ত বিষ্ঠা করবে। এমএনআইএসটির সমস্যাটিকে উত্তেজনাপূর্ণ দিয়ে শুরু করুন। এমএনআইএসটির ইতিহাস সম্পর্কে এটিতে বেসিক অ্যালগরিদম ব্যবহার করুন। লিনিয়ার রিগ্রেশন, লজিস্টিক রিগ্রেশন, কেমিয়ান ক্লাস্টিং, কেএনএন চেষ্টা করুন। মেশিন লার্নিংয়ের সরঞ্জাম স্কাইট লার্ন (পাইথন লাইব) বা টেনসরফ্লো (পাইথন লাইব) টিফ্লার্ন (র‌্যাপারের মতো টেনসরফোর উচ্চ স্তরের এপিআই) উভয়ই মুক্ত উত্স। উদাহরণগুলি গিটহাবে পাওয়া যায়। গিটহাবে অনুসন্ধান শুরু করুন। আপনি একটি দুর্দান্ত উদাহরণ খুঁজে পেয়েছেন। উভয় lib জন্য। অনুভূতিতে অংশ নিতে সমস্যা সমাধানের জন্য কাগেল ব্যবহার করুন।

আপনি যখন উপরের সমস্ত অ্যালগরিদম সম্পূর্ণ করেন তখন আপনার ত্রুটির দিকে মনোযোগ দেওয়ার চেষ্টা করুন। এখন এআই রোল এলো। নিউরাল নেটওয়ার্ক কীভাবে ত্রুটি হ্রাস এবং নির্ভুলতা বাড়াতে আপনাকে সহায়তা করে তা বোঝার চেষ্টা করুন। তারপরে সিগময়েড, রেলু এবং সিএনএন এর মতো কিছু বেসিক নিউরাল নেটওয়ার্ক চেষ্টা করুন। আপনার নিউরাল নেটওয়ার্কে ড্রপআউট ব্যবহার করতে ভুলবেন না। আপনি কেরাস সহ টেনসরফ্লো বা কেরাস বা টেনসরফ্লো ব্যবহার করতে পারেন

পাশাপাশি আপনার গণিতের উন্নতি করতে 3 নীল 1 ব্রাউনয়ের লিনিয়ার বীজগণিত ভিডিও পরীক্ষা করে দেখুন। দিনে একবার কিন্তু প্রতিদিন একটি ভিডিও।

এবং এখন যুক্তির পিছনে গণিতে মনোনিবেশ করুন (যে কোনও অ্যালগরিদম) আপনি মেশিন লার্নিং কোর্সের অ্যান্ড্রু চেষ্টা করতে পারেন।

অ্যান্ড্রয়েড অ্যাপ্লিকেশন, আইওএস অ্যাপ্লিকেশন, রাস্পপিপি চেক টেনসরফ্লো ডেভ সামিট 2016/2017 তৈরি করার জন্য টেনসরফ্লো ব্যবহার করুন।

বা যদি আপনার ক্র্যাশ কোর্সের প্রয়োজন হয় তবে এই https://youtu.be/u4alGiomYP4 দেখুন


1
আসুন পরিষ্কার হয়ে যাক, এআইটিএমএল বই পড়ার মতো নয় এবং আপনি প্রোগ্রামিং শুরু করেন, এখানে পরিষ্কার হয়ে যাক ,! ওপিকে অক্সফোর্ড, হারভাদ ইত্যাদি প্রফেসরদের পরামর্শ নিতে হবে
কুইন্টুনিমিয়া

3

আর্টিফিশিয়াল ইন্টেলিজেন্সে যাওয়ার আগে পূর্বশর্তগুলি দিয়ে কাজ করা উচিত। একটি শক্ত তালিকা নেই, তবে বিভিন্ন অ্যালগরিদমের একটি ভাল জ্ঞান বাধ্যতামূলক। এ ছাড়া আপনার কমপক্ষে একটি প্রোগ্রামিং ভাষা, যেমন সি ++ বা জাভা দিয়ে আরামদায়ক হওয়া উচিত। আপনি যদি কম্পিউটার বিজ্ঞানে সম্পূর্ণ নতুন হন তবে আমি আপনাকে কৃত্রিম বুদ্ধিমত্তায় ডুব দেওয়ার পরামর্শ দেব না। কৃত্রিম বুদ্ধিমত্তায় ডুব দেওয়ার আগে প্রোগ্রামিংয়ের কিছু অভিজ্ঞতা আপনার জন্য একটি প্লাস পয়েন্ট হবে।

কৃত্রিম বুদ্ধিমত্তা সম্পর্কে পড়া (ব্লগ, কাগজপত্র, পণ্ডিত নিবন্ধ ইত্যাদি) পড়া শুরু করুন। এটি কী, এর অ্যাপ্লিকেশনগুলি, বর্তমান স্থিতি এবং আপনি খুঁজে পেতে পারেন এমন অন্যান্য স্টাফ পছন্দ করুন। শুরু করার জন্য টিক টাক টো, সুডোকু, রিভারসি (ওথেলো) ইত্যাদির মতো ছোট গেমের জন্য এআই কোডগুলি তৈরি করা শুরু করুন। আপনি নিজের সিমুলেটর তৈরি করতে এবং এমন একটি কোড তৈরি করতে পারেন যা রুবিক কিউবকে সমাধান করে। একইভাবে, প্যাটার্ন রিকগনিশন এবং মেশিন লার্নিংয়ের জন্য কোডগুলি তৈরি করুন। কিছুই করে শেখার চেয়ে ভালো কিছু না। এলআইএসপি এবং পাইথনের মতো ভাষা খুব সহায়ক হবে। এখানে দুটি উত্তর যা আপনাকে সহায়তা করবে, উত্তর 1 এবং উত্তর 2

আপনি যদি কোনও ব্যক্তি বই (যেমন আমার) থেকে পড়া এবং শিখতে পছন্দ করেন তবে আপনি কৃত্রিম বুদ্ধিমত্তা: একটি আধুনিক পদ্ধতির (পিটার নরভিগ এবং স্টুয়ার্ট রাসেল) কিনতে পারেন। বইটি খুব ভাল এবং মধ্যবর্তী এবং উন্নত স্তরের জন্য ভাল কাজ করে। বইয়ে দেওয়া অনুশীলনের সমস্যাগুলি সমাধান করার চেষ্টা করুন। বইগুলির সমাধান পিডিএফ অনলাইনে পাওয়া যায় । মেশিন লার্নিংয়ের জন্য আমি প্রস্তাবিত দুটি বই হ'ল প্যাটার্ন রিকগনিশন এবং মেশিন লার্নিং (ক্রিস্টোফার এম বিশপ) এবং প্রোগ্রামিং কালেক্টিভ ইন্টেলিজেন্স (ও'রেলি)।

শুরু করার জন্য, কৃত্রিম বুদ্ধিমত্তা এবং প্রযুক্তিগত এককত্বের উপর একটি খুব ভাল নিবন্ধ আছে।

নিবন্ধটি দীর্ঘ এবং দুটি ভাগে বিভক্ত। আপনি কৃত্রিম বুদ্ধিমত্তা সম্পর্কে গুরুতর হলে এই নিবন্ধটি পড়ার জন্য আমি দৃ strongly়ভাবে আপনাকে পরামর্শ দিচ্ছি। এটি আপনাকে কিছু ভাল অন্তর্দৃষ্টি দেবে।

গণনা তত্ত্বের জ্ঞান আপনাকে প্রচুর পরিমাণে সাহায্য করবে। বিশেষত যখন আপনি প্রাকৃতিক ভাষা প্রক্রিয়াজাতকরণের ক্ষেত্রে কাজ করছেন। এআই এর অন্যান্য উপ-ক্ষেত্রগুলি যা আপনার আগ্রহী হতে পারে তা হ'ল মেশিন লার্নিং, বিবর্তনমূলক কম্পিউটিং, জেনেটিক অ্যালগোরিদমস, রিইনফোর্সমেন্ট লার্নিং, ডিপ লার্নিং ইত্যাদি তালিকা। আপনার পরিসংখ্যান সম্পর্কে আরও ভাল জ্ঞান, এটি কৃত্রিম বুদ্ধিমত্তার পক্ষে আরও ভাল। ফোরাম, ওয়েবসাইট ইত্যাদির মাধ্যমে ক্ষেত্রের সাম্প্রতিক সময়ে এগিয়ে যাওয়ার জন্য ওপেন এআই ওয়েবসাইটটিও খুব ভাল উত্স।

আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.