通过练习学习AI（感知器，神经网络和贝叶斯AI）

Question

我即将参加人工智能课程，我想先练习。我正在使用一本书来学习这个理论，但是任何语言的资源和具体例子都可以帮助我实现这一目标。任何人都可以向我推荐包含大量示例和教程的好网站或书籍吗？

谢谢！

编辑：我的课程将涉及感知器，神经网络和贝叶斯AI。

Answer 1

真的取决于你想要专注的领域。有启动 - 资源：是 here。我从他们的例子中学到了神经网络。你能详细说明它应该是什么样的人工智能吗？ 啊，我忘记了：this link是一个非常好的论坛，在那里你可以看到别人遇到的问题，并从中学习。 欢呼声。

Answer 2

我的建议是通过尝试自己实施各种类型的学习者来学习它。看看你是否能找到与你所拥有的兴趣（体育，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（预测体育比赛的胜利者，学习如何分类）步步高的位置，基于患者数据检测癌症等）使用不同的方法。从决策树开始，如果这是你未来课程的一部分，因为它们相对简单，然后转向神经网络。

Answer 3

以下是一组资源，我推荐其中的每一个资源，用于解释的质量，代码的质量以及算法演示的“完整性”。

• Least-Squares Regression （Python）的

• k-means clustering（Python）

• Multi-Layer Perceptron（Python）

• Hopfield Network（Python）

• Decision Tree（ID3＆amp; C4.5）

此外，Hastie等人的优秀教科书Elements of Statistical Learning。实际上是免费下载的。作者有一个R包附带本教科书，其中包含所有代码。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。

Answer 4

我个人会推荐这本关于人工智能的M.Tim.Jones书。

有许多关于AI的主题，几乎所有类型的AI讨论都遵循C示例代码。关于AI的非常实用的书确实!!

Answer 5

Russel & Norvig对广泛的领域进行了很好的调查。