以下文章来自FAU教授Oge Marques，他将讨论AI入门的5个主题，以及许多有用的MATLAB链接和一门新课程，以了解更多信息。

简介

对于将人工智能(AI)和相关主题——数据科学(DS)、机器学习(ML)、神经网络(NNs)、深度学习(DL)——带给更广泛受众的课程、网络研讨会和其他教育计划的需求很大。毕竟，我们生活在一个“AI + X”的世界里，人类活动的每个领域的公司都需要具有领域专业知识的专业人士，并辅以AI技能。

由于今天的大部分人工智能实际上都是机器学习，而ML解决方案的早期阶段需要对数据科学概念有基本的了解，因此作为起点，我建议熟悉与经典DS/ML/DL工作流相关的主金宝搏官方网站要概念和术语。

在这篇博文中，我想强调在开始你的第一个AI项目之前要掌握的5个主题。我以“任务”的形式组织了这些主题，您可以使用MATLAB中提供的最新低代码/无代码功能来执行这些主题。所选任务应帮助您拓宽对人工智能领域的视野，并更好地理解其基础、风险、应用和影响。

---

主题1:人工智能简介

我建议你从与人工智能相关的主要定义、概念和术语开始，以及该领域在过去60年左右的发展过程中的历史亮点。你能回答以下问题吗?

• 什么是人工智能?
• 它是如何工作的?
• 今天AI能(和不能)做什么?

能够在高水平上谈论人工智能将为你提供与同事交流所需的工具，并了解在哪里可以使用人工智能产生最大的影响。

MATLAB任务1:花点时间理解AI、ML和DL的关键MATLAB应用程序分类学习者，回归更精简,深度网络设计器．这些应用程序为进入使用各种数据集设计、构建和理解现实AI应用程序的世界提供了低门槛。

---

主题2:回归与分类的基础

大量的ML/DL应用包括为两种类型的任务设计监督学习解决方案:金宝搏官方网站回归(本质上是对数值的预测，例如根据历史数据预测明天的温度)和分类(本质上是为一个数据项分配一个类或类别，例如，给定一个动物的照片，确定它是猫还是狗)。

MATLAB任务2:返回分类学习器和回归学习器应用程序，探索其他问题，针对同一问题选择不同的模型，调整所选模型的参数，有原则地比较不同的解决方案。金宝搏官方网站

奖金:花点时间玩游戏MATLAB实时编辑器学习一些最有用的功能，比如任务和交互控件。

---

主题3:神经网络基础

为了更好地掌握深度学习的世界，你应该对神经网络的基础知识以及它们是如何发展的，从早期的感知器到今天使用的深度架构。通过这样做，您将能够更好地理解复杂的当代神经网络架构，并判断您的应用程序是否可以受益于最新的模型或更简单的方法。

MATLAB任务3:返回到深度网络设计器应用程序并探索其他功能，无论是当您想从头创建网络时，还是当使用转移学习策略适用于当前的问题。

---

主题4:当代DL建筑的代表性

要进入深度学习的广阔世界，一个非常有用的捷径是针对任何给定的问题关注最具代表性的当代深度学习架构。这些包括:卷积神经网络(cnn)用于图像分类，递归神经网络(RNNs) -包括受欢迎的LSTM变体-用于涉及顺序数据的任务，u -net(用于语义图像分割)，生成对抗网络(GANs)用于图片的翻译， YOLO(为对象检测在图像和视频中)，以及变形金刚自然语言处理(NLP)。

MATLAB任务4:导入3个深度学习网络MATLAB深度学习模型枢纽并以一个具体的例子比较每种方法的准确性在这里．

---

议题5:实验管理的最佳实践

AI/ML/DL项目需要大量的实验和多次迭代的调整、微调和优化。通过建立良好的实验实践，并跟踪所有训练过的模型，您可以更有效地进行这种实践。

MATLAB任务5:了解的最佳实践DL实验管理然后用MATLAB来演示实验管理器应用程序。

---

想要更深的潜水?

所有5个主题和相关任务将在AI训练营课程这个月由佛罗里达大西洋大学提供。这个训练营，现在在它的第四版，已经彻底修订，更新，并扩大到15小时，包括使用MATLAB在线动手活动。我将是这门课程的指导老师，这门课程将全程在线直播，并有讲课录音供以后(重新)观看。

这个训练营的目标是提供人工智能领域的概述，重点是当代技术，如机器学习和深度学习，以及它们在许多领域的应用，包括计算机视觉、自然语言处理和医疗诊断。

我有信心我们的AI训练营将为参与者提供技术丰富但易于理解的人工智能、深度学习和相关主题的介绍。通过在MATLAB在线环境中使用低代码应用程序的各种实践示例，他们的经验将进一步丰富。

希望在那里见到你!