通过实践学习AI (感知器，神经网络和贝叶斯AI)

Question

我正要上一门人工智能课程，我想在此之前先练习一下。我正在用一本书来学习理论，但是任何语言的资源和具体的例子来帮助实践都是令人惊叹的。有没有人能推荐给我一些好的网站或书籍，里面有很多例子和教程？

谢谢！

编辑:我的课程将处理感知器，神经网络和贝叶斯人工智能。

Answer 1

这真的取决于你想要专攻的领域。这里有启动资源: is here。我从他们的例子中了解到了神经网络。你能详细说明一下它应该是一种什么样的人工智能吗？啊，我忘了：this link是一个非常好的论坛，你可以在这里看到其他人的问题，并从中学习。干杯。

Answer 2

我的建议是通过尝试自己实现各种类型的学习者来学习它。看看你是否能找到一个与你感兴趣的(运动，游戏，健康等)相关的数据集。然后尝试创建一个学习者来进行某种分类(预测体育比赛中的获胜者，学习如何对双陆棋位置进行分类，基于患者数据检测癌症等)。使用不同的方法。如果决策树是你未来课程的一部分，因为它们相对简单，那么就从决策树开始，然后转到神经网络。

Answer 3

这里有一组资源，我强烈推荐其中的每一个--为了解释的质量，代码的质量，以及算法演示的“完整性”。

• Least-Squares Regression (Python)
• k-means clustering (Python)
• Multi-Layer Perceptron (Python)
• Hopfield Network (Python)
• Decision Tree (ID3 & C4.5)

此外，哈斯蒂等人编写的优秀教科书Elements of Statistical Learning。实际上是免费下载的。作者在这本教科书中附带了一个R包，其中包含所有的代码。这本书详细讨论了大多数(如果不是全部) ML算法的主要类别，并提供了涉及工作代码和“真实世界”数据的具体示例。