我即将参加一门人工智能课程,希望在此之前进行练习。我正在使用一本书学习理论知识,但任何语言的资源、具体示例和教程都可以帮助我进行实践。有没有人可以推荐一些好的网站或书籍,其中包含丰富的示例和教程?谢谢!编辑:我的课程将涉及感知器、神经网络和贝叶斯人工智能。
我的建议是通过尝试自己实现各种类型的学习器来学习它。看看能否找到与您感兴趣的某些主题相关的数据集(体育、游戏、健康等),然后尝试创建一个学习器来进行某种分类(预测运动比赛的获胜者、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),使用不同方法。如果决策树是您未来课程的一部分,那么从它开始,因为它们相对简单,然后转向神经网络。
这里有一组资源,我强烈推荐每一个资源——因为它们的解释质量、代码质量以及算法演示的“完整性”。 最小二乘回归(Python) k-means聚类(Python) 多层感知器(Python) 霍普菲尔德网络(Python) 决策树(ID3和C4.5) 此外,Hastie等人的优秀教材《统计学习基础》实际上可以免费下载。作者还提供了一个伴随该教材的R包,其中包含所有代码。该书详细讨论了大多数(如果不是所有)主要类别的机器学习算法,并提供指向可工作代码和“现实世界”数据的具体示例。