Không gì thay thế được giáo dục chính quy, nhưng đó không phải là một lựa chọn cho tất cả mọi người. Nhưng cũng không cần một tấm bằng PhD để học thêm về AI, và vô số các lĩnh vực có liên quan. Khởi đầu có thể là đáng sợ, nhưng bạn đừng nản lòng; bạn có thể xem bài này để lấy cảm hứng. Các tác giả trong số đó đi từ ít hiểu biết về máy tính tới sự học tập tích cực và sử dụng hiệu quả các kỹ thuật trong công việc của họ trong vòng một năm.
Bạn đang tìm một nơi để học AI trực tuyến? Hãy xem qua các khoá học miễn phí sau đây, tất cả đều phù hợp với mức độ ban đầu của AI.
Một số các giáo sư và tài liệu của họ chia sẻ dưới đây rất hữu ích trong việc định hình mindset cho các nhà nghiên cứu AI hàng đầu và các học viên trên thế giới. Không có lý do gì bạn không thể tận dụng những tài liệu này và tự hướng dẫn mình trở thành chuyên gia về AI.
Đây có thể được xem là khoá học đầu tiên, tiên phong, định hướng online và hoàn toàn mở ở cấp đại học trong lĩnh vực AI. Phần lớn tài liệu đều là tài liệu mở nên dù không phải là sinh viên của UC Berkeley bạn vẫn có thể dễ dàng theo học và nghiên cứu. Những tài liệu này đều được sắp xếp một cách khoa học bao gồm:
- Lịch học mẫu
- Đầy đủ bài giảng dưới dạng slides và video
- Giao diện cho việc giao bài tập về nhà
- Mục Handouts
- Các thông số kỹ thuật trong dự án Pacman Projects
- Nguồn dữ liệu gồm các files và PDFs từ các kỳ kiểm tra của khoá Berkeley CS188
- Đơn xin được đánh giá, chấm điểm cho bài về nhà và dự án (and more)
- Thông tin liên lạc
Tuy các bài tập không được công bố rộng rãi, dự án Pacman lại cho bạn khám phá từ nghiên cứu, học tăng cường, phân loại và nhiều thứ khác.
Được giảng dạy bởi Giáo sư Dan Klein và Pieter Abbeel, các bài giảng, video, bài thi và các tài liệu khác đều có từ năm 2014, nhưng đừng ngạc nhiên vởi những gì bạn được học ở đây sẽ không “lỗi thời”. Bản thân tôi cũng đã học và nghiên cứu rất nhiều từ khoá học này trong vài năm quá, nhờ đó có được cái nhìn toàn diện, tổng quan về AI, kể cả lý thuyết lẫn thực hành.
Mục tiêu khoá học: Điểm chung của những cỗ máy tìm kiếm, nhận diện giọng nói, nhận diện khuôn mặt, dịch tự động, xe tự lái và lên lịch tự động là gì? Chúng đều là những vấn đề phức tạp trong thực tế, và mục tiêu của trí tuệ nhân tạo là giải quyết chúng bằng những công cụ toán học nghiêm ngặt. Trong khoá học này, bạn sẽ được học về những nguyên lý nền tảng định hướng những ứng dụng này và thực hành vào các hệ thống.
Tài liệu khoá học bao gồm các ghi chú, slides, bài tập, bài kiểm tra và các dự án (bao gồm giải pháp) và tham khảo nhiều từ nhiều nguồn quý giá như Russell & Norvig; Koller & Friedman; Hastie, Tibshirani & Friedman; Sutton & Barto. Bạn có thể thấy có vài điểm trùng với khoá học Berkeley ở trên, nhưng ở khoá học này, vấn đề bài tập lại cởi mở hơn, và bao gồm những dự án sau:
- Sentiment classification
- Blackjack
- Pac-Man
- Scheduling – Lên lịch
- Car tracking – Theo dõi xe
- Language and logic – Ngôn ngữ và logic
Có thể thấy rằng, kết hợp hai khoá học đầu tiên này, ngừoi học sẽ dễ dàng có được kiến thức nền tảng về trí tuệ nhân tạo. Tuy rằng, chỉ có vài sách trong khóa học của Standford có bản online (hợp pháp), bạn vẫn có thể có những trải nghiệm thực tế khi học ở đây.
3. Reinforcement Learning – Học tăng cường
Đây là khoá học về reinforcement learning từ trường University College London. Tài liệu khá ngắn gọn, bao gồm video bài giảng, các slides tương ứng và nhiều thông tin hữu ích khác.
Khóa học này không phải khoá “vỡ lòng” như hai khoá trên, mà tập trụng vào một lĩnh vực duy nhất. Thực tế rằng, khóa học này được xây dựng bởi một trong những người làm nên Google DeepMind sẽ khiến thời gian bạn bỏ ra hoàn toàn đáng giá.
Được giảng dạy bởi ergey Levine, John Schulman, và Chelsea Finn, đây là một khoá khác dạy về Học tăng cường. Khoá học này được giảng dạy trực tiếp, khi có bài học mới, người học sẽ xem qua stream cùng lúc, và có thể xem lại sau đó.
Bên cạnh những giảng viên cứng, khoá học còn có một số giảng viên khách mời, bao gồm Igor Mordatch từ OpenAI và Mohammad Norouzi từ Google Brain Team (cũng như nhiều giáo sư “siêu xịn” khác của Berkeley). Bài tập trong khoá này cũng tận dụng tối đa những frameworks chuẩn như TensorFlow và OpenAI Gym.
Khoá học về xe tự lái này được giảng dạy bởi Lex Fridman. Cũng như khoá học trên, đây là khoá học đang được diễn ra.
Deep learning vẫn đang trong quá trình dịch chuyển từ nghiên cứu sang thực tế, việc nghiên cứu deep learning được ứng dụng đặc biệt trong một lĩnh vực nào đó sẽ khá thú vị.
Hơn nữa với khoá học Self-driving Car Nanodegree được công bố gần đây, sự kết hợp của 2 công nghệ hot này là sự lựa chọn không phải suy nghĩ với những công nghệ cộng sinh với nhau, thể hiện sự kết hợp các công nghệ thiết yếu một cách thực hiễn.
Khoá học này bao gồm các video bài gảing và nhiều tài liệu bổ ích, từ introductory Python và deep learning đã được thử và kiểm thử, đến thông tin về những chiếc xe từ động.
0 nhận xét:
Đăng nhận xét