Как изучить ИИ в старшей школе

1. Изучите Python

Изучение или совершенствование навыков Python станет основой для изучения AI и ML. Практически нет других языков, на которых фактически закодирован ИИ, и, не зная базового синтаксиса Python, вы попадете в ловушку, пытаясь исправить свои синтаксические ошибки, когда вместо этого вы могли бы отлаживать фактические ошибки ИИ.

Я предполагаю, что если вы хотите изучить ИИ, вы понимаете основные концепции кодирования. Если вы этого не сделаете, сначала изучите их! Не зная, как программировать, вы не сможете изучить ИИ - не говоря уже о создании проектов ИИ. Но если вы знаете Java, JavaScript или даже Swift, все будет в порядке. Просто пройдите быстрый курс синтаксиса Python, и все будет в порядке. Любой онлайн-курс или плейлист подойдут. Однако это шаг 1. Не зная Python, вы определенно будете бороться.

2. Начните с традиционного машинного обучения

Когда я начал изучать ИИ, одной из моих ошибок было сразу перейти к глубокому обучению и построению нейронных сетей. Это может быть распространенной проблемой для старшеклассников, поскольку многие увлечены ажиотажем, связанным с глубоким обучением. Через несколько месяцев изучения ИИ я знал, как кодировать нейронную сеть, но понятия не имел, что такое линейная регрессия. Это проблема, потому что изучение основ всегда лучше, чем сразу переходить к более сложным темам.

Истинное понимание глубокого обучения требует глубокого понимания стандартного машинного обучения, и поэтому все старшеклассники должны убедиться, что они используют подход с нуля, а не перенапрягаются.

Я бы рекомендовал старшеклассникам начинать с базовых моделей линейной и логистической регрессии с общими наборами данных, чтобы действительно понять, как работает машинное обучение. Линейная регрессия - это, по сути, «линия наилучшего соответствия», с которой знакомы почти все старшеклассники. Линейная регрессия очень просто объясняет, как работают функции потерь, которые являются одной из самых фундаментальных концепций ИИ и глубокого обучения. Я думаю, что изучение других алгоритмов, таких как деревья решений и случайные леса, может быть не столь полезным, поскольку они не переводятся также в глубокое обучение, которое, похоже, интересует большинство старшеклассников.

В любом случае, если вы действительно хотите погрузиться в AI и DL, сначала изучите основы. Не стоит останавливать свое долгосрочное развитие только для того, чтобы показать, что вы знаете DL.

3. Не беспокойтесь о математике

Я думаю, что самый большой барьер в глазах студентов - это мысль, что они должны изучать математику, лежащую в основе AI и DL. Я только начал заниматься математическим анализом в этом году, будучи юниором, и до сих пор плохо разбираюсь в математике для AI и DL. Я думаю, что понимание математики переоценено. Вы по-прежнему можете создавать отличные проекты и достаточно хорошо разбираться в искусственном интеллекте, не зная, как работают градиентный спуск и обратное распространение. Все, что вам действительно нужно знать для создания хороших моделей, - это то, что обратное распространение оптимизирует веса в модели.

Очевидно, что знание математического анализа и продвинутой математики в конечном итоге станет важным, но для старшеклассников, я думаю, достаточно просто знания алгебры II.

Если вы знакомы с математическим расчетом и способны понимать математику, лежащую в основе глубокого обучения, определенно изучите ее. Но если вы этого не сделаете, не беспокойтесь об этом. Вы все еще можете хорошо понимать, как работает глубокое обучение. Если вы останетесь настойчивыми и продолжите оставаться в поле, вы в конечном итоге выучите математику - либо к концу средней школы, либо к началу колледжа.

4. Используйте Jupyter Notebook / Google Colab.

Еще один важный совет - кодируйте все свои проекты в формате записной книжки. Jupyter Notebooks - это инструмент для анализа данных, который содержит код и текст в формате ячеек и позволяет мгновенно компилировать и сохранять заметки и результаты. Во-первых, записные книжки и их функции разметки между ячейками могут сделать каждый сегмент кода более понятным и понятным. Когда вы вернетесь, чтобы просмотреть то, что вы закодировали, уценка позволяет интуитивно организовать и легко редактировать заметки или концепции, которые вы записали с помощью кода. Комментарии в сценариях могут быть адекватными, но их трудно поддерживать в порядке, а писать много заметок для сегментов кода действительно сложно, так как это просто становится беспорядочным.

Большинство старшеклассников привыкли делать заметки в классе, поэтому использование записной книжки Juypter будет знакомым опытом для изучения новых концепций.

Ноутбуки также позволяют мгновенно тестировать и оставлять отзывы. Это отлично подходит для старшеклассников и новичков, поскольку в вашем коде обычно есть ошибки. Возможность быстро записать, в чем заключалась ошибка при уценке, отредактировать строку, а затем нажать ярлык запуска, упрощает процесс.

Более того, записные книжки позволяют визуализировать код и данные, а для старшеклассников, которые могут не очень хорошо усваивать точные числа и данные, записные книжки значительно упрощают этот процесс. Наконец, использование Google Colab позволяет бесплатно использовать графический процессор, а у большинства старшеклассников нет локальных графических процессоров или вычислительных ресурсов университетского уровня, поэтому использование бесплатного графического процессора в Colab упрощает обучение DL.

5. Продолжить разработку проектов

Это может показаться очевидным, но я не могу не подчеркнуть, насколько важна практика. Теория обучения важна, но без ее применения на практике нет смысла изучать ИИ в столь раннем возрасте. Создание проекта вызывает чувство одобрения и гордости, поскольку вы можете взять то, что вы узнали, и увидеть его проявление. Более того, функциональные и ценные проекты можно отображать на GitHub и в портфолио, что поможет вам продемонстрировать свою работу. Самое главное, что программирование проекта всегда освежает то, что вы узнали, и, как и с любым другим классом в старшей школе, без практических задач вы забудете то, чему вы научились, и вам придется тратить время на повторное обучение.

Создавайте все, что захотите - может быть, пойти на хакатон, принять участие в конкурсе Kaggle или даже начать свой собственный стартап в области искусственного интеллекта. Просто убедитесь, что вы применяете полученные знания на практике.

Заключение

В конце концов, вы не сможете много узнать об ИИ в старшей школе. Я кодирую проекты искусственного интеллекта почти каждый день и делаю это почти год, но я до сих пор едва прикоснулся к этой области. Изучение ИИ в старшей школе должно быть увлекательным занятием. Не сжигай себя. Отработка концепций и создание увлекательных проектов удерживают вас в курсе, и когда вы работаете в столь серьезной сфере, лучше всего делать то, что вам нравится. Делайте перерывы и не выходите за рамки своих возможностей. То, что ваши проекты не так хороши, как у профессионального специалиста по данным, не означает, что то, что вы делаете, не имеет ценности.

Я аплодирую вам, если вы, как и я, старшеклассник, и хотите изучать ИИ. Это непросто, но если вы готовы принять вызов, просто следуйте этим основным рекомендациям. Они сделают ваш опыт намного проще и интереснее.