مسیر حرفه‌ای شدن در هوش مصنوعی

سلام

این روزا احتمالا خیلی درمورد هوش مصنوعی می‌شنوید. علمی که داره تو دنیا سرو صدای زیادی می‌کنه و هرکسی رو مجبور می‌کنه که حداقل یه مقاله درموردش بخونه. اما یکی از مهم‌ترین ناراحتی‌ها و دغدغه‌هایی که علاقه‌مندان به این زمینه در خود دارن، اینه که دقیقا چطوری می‌تونیم تو این زمینه به یک متخصص تبدیل بشیم تا اونا هم بتونن بخشی از ماجرای پیشرفت تکنولوژی در دنیا باشن.

بخاطر همین سعی کردم یه مقاله خیلی کوتاه، مختصر و مفید درمورد نحوه متخصص شدن در زمینه هوش مصنوعی واستون بنویسم تا بتونید از این دغدغه فکری، راحت بشید.

و اما مواردی که در این مطلب خواهیم دید:

1-اصلا از هوش مصنوعی کجا استفاده می‌شه؟

2- شاخه‌های هوش مصنوعی؟

3- قبل از ورود به هوش مصنوعی باید چه چیزهایی رو یاد بگیریم؟

4- خود مسیر یادگیری هوش مصنوعی رو چطور پیش ببریم؟

5- در کنار هوش مصنوعی باید چه چیزهایی رو یاد بگیریم؟

بریم سراغ این سوالات مهم و جوابشون رو ببینیم.

1- اصلا از هوش مصنوعی کجا استفاده می‌شه؟

شاید به جرات بتونم بهتون بگم که (هیچ زمینه‌ای وجود نداره که هوش مصنوعی اونجا پیاده نمیشه).

یعنی به هرچیزی که فکر کنید، هوش مصنوعی اونجا میتونه یه نقش اساسی‌ای رو ایفا کنه. انواع رشته‌های مهندسی، پزشکی، کسب و کارهای مختلف، حقوق و رشته‌های انسانی مثل روان‌شناسی، حتی تربیت‌بدنی و ...

همین موضوع که هوش مصنوعی قابلیت پیاده‌سازی تو هر زمینه‌ای رو داره، نشون میده که یادگیریش می‌تونه از (واجبات) باشه. البته واسه اونایی که بهش علاقه دارن و میخوان بخشی از ماجراجویی پیشرفت تکنولوژی باشن.

2- شاخه‌های هوش مصنوعی؟

برای کسی که میخواد وارد هوش مصنوعی بشه، باید این موضوع بسیار بسیار مهم رو بدونه که ما نمیتونیم همینجوری هوش مصنوعی رو یاد بگیریم. بلکه باید از یکی از زمینه‌هاش شروع کنیم و بعد تصمیم بگیریم که بریم سراغ زمینه‌های بعدیش. هوش مصنوعی، اقیانوسی از مطالب و علوم مختلفه که نمیشه همش رو یجا یاد گرفت. این موضوع رو دوستانی که تو هوش مصنوعی مشغول فعالیت هستند خیلی بهتر درک می‌کنند.

و اما شاخه‌های هوش مصنوعی. قصد دارم خیلی ساده و مختصر فقط اسم ببرم، چون توضیح هرکدومش مفصله و ایشالا سعی می‌کنم تو مطالب دیگه‌ای اونارو واستون تعریف کنم.

1- ماشین لرنینگ یا Machine learning (قلب هوش مصنوعی در دنیای امروز)

2- دیپ لرنینگ یا Deep learning (زیرمجموعه ماشین لرنینگ)

3- پردازش تصویر یا Image Processing

4- پردازش متن و صدا یا NLP

5- اینترنت اشیاء یا IOT

6- متاورس یا Metaverse

7- ساخت چیپ‌ست یا Chipset

8- متا لرنینگ یا Meta learning ( از شاخه‌های محتمل آینده)

و ...

خیلی زیادن نه؟

نگران نباشید. لازم نیست همرو باهم یاد بگیرید. تو ادامه مطلب درمورد همین موضوع میخوام توضیح بدم.

3- قبل از ورود به هوش مصنوعی باید چه چیزهایی رو یاد بگیریم؟

اما چنتا نکته مهم رو باید بدونید که قبل از ورود به هوش مصنوعی اونارو رعایت کنید.

1- هوش مصنوعی بر بستر کدنویسی پیاده میشه و مهم‌ترین زبان برنامه نویسی در هوش مصنوعی، پایتون نام داره. پس سعی کنید پایتون رو یاد بگیرید.

حالا چه چیزی از پایتون رو یاد بگیریم؟

یاد بگیرید متغیر چیه، یاد بگیرید توابع چیا هستن، شرط و حلقه چیه، کلاس و وراثت چیه.

اینا میشن مباحث عمومی پایتون که تو هر زمینه‌ای باید بلد باشیم.

یسری مباحث مختص هوش مصنوعی هم هست، مثل کتابخانه‌های پرکاربرد این زمینه به اسم نامپای(Numpy)، پنداس(Pandas)، مت‌پلات‌لیب(Matplotlib) و ...

اینام میشن یسری از مباحث تخصصی.

مورد بعدی هم اسمش خیلی خوشگله. ریاضیات !!!

نصف افرادی که اسم ریاضیات میاد، میترسن. متاسفانه حق هم دارن چون هرچی ریاضی یاد میگرفتن، رفته رفته سخت می‌شد و خیلی از کاربردهای ریاضی چیزی نمیفهمیدن. بخاطر همین دلسرد و بی حوصلگی نسبت به ریاضیات در مردم خیلی زیاده.

ولی ریاضیات هوش مصنوعی داستانش فرق می‌کنه. راحت و ساده و کاربردی. یه جبر خطی و یه آمار احتمالات. واسه شروع همین کافیه! تازه نه اینکه بشینید فرمول حفظ کنید و ... نه! صرفا یه درک و کانسپت از این مفاهیم کفایت می‌کنه.

و تمام. خیلی چیز خاصی نیاز نیست که شما از قبل بلد باشید. نیازی نیست که حتما تو رشته مهندسی کامپیوتر درس خونده باشید. حتی لازم نیست مهندس باشید! میتونید یه پزشک باشید یا حتی اصلا دانشگاه نرفته باشید. اینجوری خیالتون خیلی راحتتر میشه.

بریم سراغ بحث بعدی

4- خود مسیر یادگیری هوش مصنوعی رو چطور پیش ببریم؟

مسیر یادگیری هوش مصنوعی در گذر زمان میتونه تغییر کنه. منم میخوام مسیر یادگیری هوش مصنوعی در تاریخ امروز رو بهتون یاد بدم و این مسیر احتمالا تا ده سال آینده تغییر خاصی نمیکنه. ماشین لرنینگ قلب هوش مصنوعی و مهم‌ترین شاخه هوش مصنوعی تلقی می‌شه. پیشنهاد من اینه که با ماشین لرنینگ شروع کنید. وقتی خواستید با ماشین لرنینگ شروع کنید با مفاهیمی مثل دیتاساینس و دانشمند دیتا روبرو میشید. با آغوش باز این مفاهیم رو یاد بگیرید. مسیر یادگیری ماشین لرنینگ توضیحش طولانیه و تو یک مطلب دیگه ریز به ریز توضیح میدم. بعد از ماشین لرنینگ حتما دیپ لرنینگ و شبکه‌های عصبی رو یاد بگیرید.

بقیه زمینه ها چی؟

نیازی نیست که حتما همشون رو یاد بگیرید. پروژه با پروژه، زمینه‌های هوش مصنوعی متفاوت می‌شن. همه این زمینه ها در یک پروژه خاص پیاده نمیشن و ممکنه شما برای یک پروژه کلا به 2 تا از این زمینه‌ها نیاز داشته باشید. ولی سعی کنید یه مطالعه کلی از این زمینه‌ها هم داشته باشید تا اگر نیاز شد بتونید سراغشون برید.

5- در کنار هوش مصنوعی باید چه چیزهایی رو یاد بگیریم؟

معمولا اگر به همین مباحث تسلط نسبی هم داشته باشید، کلی شغل و پروژه مناسب شما پیدا میشه. ولی زرنگا سعی میکنن یسری چیزای مرتبط هم یاد بگیرن که موقعیت های حتی بهتر هم پیدا بشه واسشون.

مثل SQL!

مباحثی که به پایگاه داده مربوط میشه خیلی میتونه کاربردی باشه.

همین!

دیگه بیشتر شاخ و برگ بیهوده نمیدم و خیلی خلاصه و مفید این مبحث رو به اتمام میرسونم.

ممنون از وقتی که گذاشتید، امیدوارم که مفید بوده باشه واستون.

محمدرضا مومنی