Почему, как и что?
Почему
Происходит промышленная революция
В последнее время стартапы и продукты, основанные на искусственном интеллекте, доминируют в наших социальных сетях, Product Hunt, новостях и Ted Talks, занимая наши собственные квартиры с такими помощниками по диалогу, как Alexa, и скоро будут занимать тонны вакансии…
История слова «саботаж». Существует теория, связанная с происхождением этого слова. Во времена промышленной революции французские луддиты бросали свои деревянные сабо в механические ткацкие станки, чтобы забить оборудование.
Мы находимся на пороге промышленной революции. Мы, как основатели, должны взять на себя ответственность действовать в соответствии с тем, что уготовано в будущем, чтобы вдохновлять мир вокруг нас. Более реалистично, ради бога, можем ли мы использовать всю математику средней школы / колледжа?
Как
Нужное количество энтузиазма и материала
Как и любой другой предмет, которым вы хотите заниматься должным образом, вам понадобится необходимое количество страсти и материал, чтобы начать свое путешествие. Вот несколько вещей, которые меня вдохновили:
Обязательно посмотрите TED Talk:
Эксперименты Google с искусственным интеллектом: https://aiexperiments.withgoogle.com/
Замечательная запись в блоге Пера Харальда Боргена: Машинное обучение за год
Материал
Поговорив с несколькими друзьями из отрасли, прочитав массу сообщений в блогах, выполнив поиск по Amazon и на таких сайтах, как Udacity и Udemy, вот список соответствующих материалов, которые я в итоге собрал / купил:
Книги (кредит принадлежит Энтони @ GIPHY)
- (Практическое руководство / Python / $$) https://www.amazon.com/Data-Science-Scratch-Principles-Python/dp/149190142X/ref=sr_1_8?ie=UTF8&qid= 1475703584 & sr = 8-8 & keywords = машинное + обучение
- (DL / бесплатно и онлайн) http://neuralnetworksanddeeplearning.com/
- (DL / бесплатно и онлайн) https://github.com/HFTrader/DeepLearningBook
- (Нейронные сети / УДИВИТЕЛЬНО! / $$)
https://www.amazon.com/Make-Your-Own-Neural-Network-ebook/dp/B01EER4Z4G - (Статистика $$) https://www.amazon.com/Think-Stats-Exploratory-Data-Analysis/dp/1491907339/ref=sr_1_3?s=books&ie=UTF8&qid=1479691133&sr=1 -3
- (Статистика $$) https://www.amazon.com/Think-Bayes-Bayesian-Statistics-Python/dp/1449370780/ref=sr_1_4?s=books&ie=UTF8&qid=1479691133&sr=1 -4
- (Практическое руководство / Python / Stats / $$) https://www.amazon.com/Elements-Statistical-Learning-Prediction-Statistics/dp/0387848576/ref=sr_1_16?ie= UTF8 & qid = 1475703584 & sr = 8–16 & keywords = машинное обучение + обучение
- (Практическое руководство / R / Stats / $$) https://www.amazon.com/Introduction-Statistical-Learning-Applications-Statistics/dp/1461471370/ref=sr_1_13?ie= UTF8 & qid = 1475703584 & sr = 8-13 & keywords = машинное + обучение
Онлайн-курсы
- (бесплатно и настоятельно рекомендуется / ML) https://www.udacity.com/course/intro-to-machine-learning--ud120
- (бесплатно и довольно интенсивно / DL) https://www.udacity.com/course/deep-learning--ud730
- (бесплатно / ML) https://www.coursera.org/learn/machine-learning
- (бесплатно / много по математике / охватывает почти все предметы / MIT)
https://www.youtube.com/watch?v=TjZBTDzGeGg&list=PLUl4u3cNGP63gFHB6xb-kVBiQHYe_4hSi - (Практическое руководство / Python / $$) https://www.udemy.com/data-science-and-machine-learning-with-python-hands-on
- (Stats / ML / $$) https://www.udemy.com/data-science-logistic-regression-in-python/learn/v4/
- (Stats / ML / $$) https://www.udemy.com/data-science-linear-regression-in-python/learn/v4/
- (DL / $$) https://www.udemy.com/data-science-deep-learning-in-python/learn/v4/
- (DL / $$) https://www.udemy.com/data-science-deep-learning-in-theano-tensorflow/learn/v4/
- (DL / $$) https://www.udemy.com/deep-learning-convolutional-neural-networks-theano-tensorflow/learn/v4/
Что
Проект с открытым исходным кодом, который поможет в сборе средств, PR и BD с использованием AI
Https://github.com/AI-for-Founders/IntroPara
Моя цель - создать инструмент для учредителей, который поможет им в сборе средств, одновременно изучая / оттачивая свои навыки. Часто самая сложная часть сбора средств - это определение подходящих инвесторов. AngelList, Crunchbase, Linkedin и ваша сеть прекрасны, но я хочу иметь возможность ответить на эти вопросы:
- Шаг 1. Контролируемая и неконтролируемая кластеризация «Какие инвесторы связаны и тесно взаимодействуют друг с другом?»
- Шаг 2: НЛП и анализ настроений «Что волнует инвесторов / венчурных компаний, что является популярным?»
- Шаг 3. Релевантность и поиск «Какие инвесторы с большей вероятностью будут вкладывать средства в конкретную отрасль?»
- Шаг 4. Сетевой анализ «Как я связан с этим инвестором и кто может послать мне теплое вступление?» - Общего подключения к LinkedIn часто бывает недостаточно.
Я уверен, что дорожная карта будет меняться по мере продвижения, но пока, по крайней мере, у меня есть цель и установленная миссия, которую нужно выполнять.
Давайте вместе построим что-нибудь крутое!