En AI y el aprendizaje automático durante cuatro años, quiero compartir todos los recursos que me ayudaron en mi viaje.
Como hay bastantes, los voy a desglosar en las siguientes categorías:
- Programación e ingeniería de software
- Matemáticas y estadísticas
- Aprendizaje automático
- Aprendizaje profundo y LLMS
- Ingeniería de IA
Programación e ingeniería de software
Si desea trabajar en AI, debe aprender a programar y tener buenas habilidades de ingeniería de software.
Como el campo es relativamente nuevo, los idiomas de facto para la IA todavía están en el aire. Sin embargo, Python es su mejor opción para aprender debido a su facilidad de uso e infraestructura de IA.
Los trabajos de IA se han girado principalmente del aprendizaje automático, donde la lengua franca es Python, y esto no cambia en el corto plazo.
Sin embargo, el papel de IA más popular, IA Ingeniero, está más cerca de la ingeniería de software que la ingeniería de aprendizaje automático, por lo que es posible que deba aprender otros idiomas de backend como Java, IR o Óxido.
Recomiendo comenzar con Python, ya que es mucho más fácil y le permite comprender los fundamentos clave de la ingeniería de software, pero es posible que tenga que pivotar los idiomas en el futuro.
Aunque hay muchos cursos y libros, el mejor maestro es una práctica consistente. Si bien los recursos lo ayudarán a comenzar su viaje, crear y construir es cómo aprenderá realmente Python y, de hecho, cualquier idioma.
Mis principales recomendaciones para los fundamentos de Python and Software Engineering son:
- Aprender Python – Curso completo para principiantes– El primer curso que tomé sobre Python al comienzo de mi viaje. Solo dura 4 horas, por lo que puedes hacerlo en medio día.
- Especialización de Python para todos– Esto es Probablemente el curso más recomendado que existe, y por una buena razón. Si buscas un curso de extremo a extremo para aprender Python, entonces esto es todo. Sin embargo, cualquier curso de “Introducción a Python” de buena reputación será suficiente.
- Rango de hackers Y Código leet–Usé esto al preparar entrevistas de codificación de Python.
- Código neet– Utilicé este recurso para aprender sobre estructuras de datos, algoritmos y diseño del sistema. Es una excelente plataforma para aprender todos los temas básicos y avanzados con ejercicios prácticos y ofrece una excelente preparación para entrevistas.
- Harvard CS50 Introducción a la informática–Si ha estado en algún lugar del espacio tecnológico en línea, habría oído hablar de este curso. ¡Probablemente sea la mejor introducción a la informática y el curso de ingeniería de software! Lo recomiendo a un principiante completo y, de hecho, cualquiera.
Matemáticas y estadísticas
A pesar de que puede argumentar que no necesita conocer las matemáticas, ya que la mayoría de los trabajos de IA se tratan principalmente de implementar modelos fundamentales, si desea ser un practicante de AI, debe saber al menos cómo funcionan estos modelos bajo el capó.
Los siguientes recursos son todo lo que necesita para aprender las matemáticas requeridas; No creo que necesite buscar en otro lado.
- Estadísticas prácticas para la ciencia de datos (enlace de afiliado) –Esto sería si pudiera obtener solo un libro para aprender estadísticas. El principal sorteo es que proporciona conocimiento estadístico específicamente para los practicantes de AI/ML, con ejemplos prácticos en Python.
- Matemáticas para el aprendizaje automático (enlace de afiliado) –Este es un libro completo sobre las matemáticas detrás del aprendizaje automático y la IA, que cubre temas como el cálculo y el álgebra lineal. Está bastante avanzado, por lo que no recomiendo pasar por todo de extremo a extremo. En su lugar, úselo para aprender conceptos clave y como texto de referencia.
- Matemáticas para el aprendizaje automático y la especialización en ciencias de los datos– Este es un curso recientemente lanzado por Deeplearning.ai, los fabricantes de las famosas especializaciones de aprendizaje automático y aprendizaje profundo. Es ideal para principiantes y cubre todos los temas de matemáticas fundamentales, como el cálculo, el álgebra lineal, las estadísticas y la probabilidad, relevante para la IA y el aprendizaje automático específicamente.
Aprendizaje automático
La mayoría de la IA actual en realidad se refiere a Genaiuna subsección de aprendizaje automático. Como su nombre indica, Genai son algoritmos que generan texto, imágenes, audio e incluso código.
Sin embargo, la IA ha existido como un concepto durante mucho tiempo, que se remonta a la década de 1950, cuando el La red neuronal se originó.
Incluso es anterior a que, con Alan Turing acuñando el “Prueba de turing“Después de su trabajo en computadoras y máquinas de pensamiento durante la Segunda Guerra Mundial.
De todos modos, mi punto es que la IA es mucho más amplia de lo que la mayoría de la gente piensa hoy, y necesitas una base sólida en el aprendizaje automático y la IA tradicional para ser un excelente día profesional de IA del día actual.
La siguiente lista cubrirá todo su conocimiento de aprendizaje automático de línea de base; Si quieres aprender temas más avanzados como Pronóstico de series de tiempo, aprendizaje de refuerzo, mejoramiento o visión por computadoraAvísame, y puedo recomendarte algunos.
- ML práctico con Scikit-Learn, Keras y Tensorflow (enlace de afiliado) –Si solo pudiera darte un libro para ayudarte a aprender el aprendizaje automático y la IA, sería este. Es fantástico, cubre casi todo lo que necesita saber, e incluso toca los LLM, el aprendizaje de refuerzo y la visión de la computadora al final.
- Especialización de aprendizaje automático –El primer curso que tomé sobre el aprendizaje automático en 2020 y es probablemente el mejor curso de aprendizaje automático de la historia. Cuando lo tomé, estaba en octava, pero desde entonces se ha renovado, ahora está en Python y tiene más temas de vanguardia como los sistemas de recomendación y el aprendizaje de refuerzo.
- El libro ML de cien páginas (enlace de afiliado)– ¡Todo el aprendizaje automático se resume en 100 páginas! Muy buen texto de referencia para buscar las cosas rápidamente y obtener un repaso. Cubre muy bien los conceptos básicos.
- Los elementos del aprendizaje estadístico (enlace de afiliado)– Excelente para dominar los fundamentos del aprendizaje automático, básicamente el aprendizaje estadístico. Este libro realmente enseñará la esencia del aprendizaje automático.
Aprendizaje profundo y LLMS
Como mostré en el diagrama de arriba, aprendizaje profundo es una categoría más pequeña dentro del paraguas general de IA y una subsección de aprendizaje automático.
El aprendizaje profundo es de dónde provienen todos estos algoritmos de IA generativos, por lo que realmente estudiará cómo LLMS, difusión, transformadores y todos los demás modelos fundamentales funcionan bajo el capó.
Ingeniería de IA
En este punto, comprenderá completamente el paisaje de IA, particularmente los modelos LLMS y Genai, tanto prácticos como teóricamente.
El valor real proviene de la creación de productos de sus modelos de IA y conocimiento. Por lo tanto, debe aprender cómo producir e implementar estos algoritmos para que puedan beneficiar a los clientes y las empresas.
La mayoría de los trabajos de IA son los llamados ingenieros de IA, y está más cerca de la ingeniería de software tradicional que los trabajos de ingenieros de aprendizaje automático.
Se trata principalmente de usar modelos Genai fundamentales como Llama, GPT-4y Tirar y construyendo productos a su alrededor. ¡Raramente realiza el desarrollo real del modelo, principalmente porque capacitar estos modelos es costoso, y los modelos fundamentales actuales son muy buenos!
- Mlops prácticos (enlace de afiliado)-Este es probablemente el único libro que necesita para comprender cómo implementar sus modelos de aprendizaje automático y IA. Lo uso más como texto de referencia, pero enseña casi todo lo que necesita saber, como contenedores, secuencias de comandos, sistemas de nubes y monitoreo del modelo.
- Ingeniería de IA (enlace de afiliado) –Este libro es muy popular en este momento. Está escrito por Chip huyenque podría decirse que es el principal experto detrás de los sistemas ML/AI en la producción. Ella incluso enseñó Un curso en Stanford! Por lo tanto, estás en buenas manos usando este libro.
Hay toneladas de recursos; El punto principal es no complicar demasiado y comenzar. Todos enseñan las mismas cosas más o menos, por lo que no se equivocará sin importar qué curso o libro use.
¡Otra cosa!
Ofrezco llamadas de coaching 1: 1 donde podemos charlar sobre lo que necesite, ya sean proyectos, Consejo profesionalo simplemente descubrir su próximo paso. ¡Estoy aquí para ayudarte a avanzar!
Llamada de tutoría 1: 1 con Egor Howell
Orientación profesional, asesoramiento laboral, ayuda del proyecto, revisión de reanudarTopmate.io