چند سال پیش هوش مصنوعی بیشتر موضوع فیلم‌های علمی‌تخیلی بود، اما امروز در گوشی، موتور جست‌وجو، بانک و حتی کارگاه کوچک محله هم حضور دارد. اگر دنبال کتاب هوش مصنوعی و داده می‌گردید، احتمالا یکی از این سه سؤال توی ذهن‌تان است: این فناوری اصلا چطور کار می‌کند؟ من چطور یادش بگیرم؟ و کسب‌وکار یا شغل من با آن چه می‌شود؟ دسته‌ی «هوش مصنوعی و داده» کتاب‌جم برای همین سه سؤال ساخته شده و از مفاهیم پایه و برنامه‌نویسی گرفته تا اخلاق، اقتصاد و مدیریت را کنار هم می‌گذارد.
در این صفحه کمک می‌کنیم با هر سطحی از دانش، کتاب مناسب هوش مصنوعی و داده را پیدا کنید. درباره‌ی انواع کتاب‌ها، ترتیب پیشنهادی مطالعه، اشتباه‌های رایج هنگام خرید و پرسش‌های همیشگی خریداران حرف می‌زنیم. اگر عجله دارید، از تیترها شروع کنید و هر جا دلتان خواست بایستید.
هوش مصنوعی و داده یعنی چه؟
پیش از خرید هر کتابی خوب است بدانیم موضوعش دقیقا چیست. هوش مصنوعی شاخه‌ای از علوم رایانه است که می‌خواهد کارهایی را به ماشین بسپارد که معمولا از آدم انتظار داریم: تشخیص تصویر، فهمیدن زبان، تصمیم‌گیری، پیش‌بینی و حتی نوشتن متن. داده هم ماده‌ی خام این کار است. ماشین از روی مثال‌های فراوان یاد می‌گیرد و هر چه داده‌ی درست‌تر و بیشتری ببیند، معمولا بهتر عمل می‌کند.
به همین دلیل این دو کلمه کنار هم آمده‌اند. کتابی که فقط درباره‌ی الگوریتم باشد و از داده حرف نزند، نیمی از ماجرا را گفته است. برعکس، کتابی که فقط از جمع‌آوری و تحلیل داده بگوید، بی‌آنکه بگوید ماشین با آن‌ها چه می‌کند، ناقص می‌ماند. در این دسته هر دو نوع کتاب را می‌بینید و بهتر است بسته به هدف‌تان انتخاب کنید.
چند واژه‌ی مهم که در کتاب‌ها زیاد می‌شنوید
یادگیری ماشین یعنی ماشین به‌جای اینکه قدم‌به‌قدم برنامه‌ریزی شود، از روی داده الگو پیدا کند. یادگیری عمیق نوعی از آن است که با شبکه‌های عصبی چندلایه کار می‌کند. علم داده مجموعه‌ی روش‌هایی است برای جمع‌کردن، پاک‌کردن، تحلیل و روایت داده. مدل زبانی برنامه‌ای است که از متن‌های فراوان یاد گرفته چطور کلمه‌ها را کنار هم بگذارد. اگر این واژه‌ها را بلد باشید، فهرست مطالب کتاب‌ها را راحت‌تر می‌خوانید.
چرا امروز کتاب هوش مصنوعی و داده بخوانیم؟
شاید بگویید مقاله و ویدیو هم هست، چرا کتاب؟ جواب ساده است: ابزارها هر ماه عوض می‌شوند، اما مفهوم‌ها دیرتر قدیمی می‌شوند. کتاب خوب ساختار می‌دهد. یک جا می‌گوید مسئله چه بود، چه راه‌هایی امتحان شد، چرا بعضی جواب ندادند و امروز چه روشی رایج است. این نقشه‌ی کلی را از تکه‌تکه دیدن مطلب‌های پراکنده به دست نمی‌آورید.
دلیل دوم تمرکز است. کتاب چاپی شما را از اعلان‌ها و تبلیغ‌ها دور می‌کند. برای موضوعی که یک مفهوم روی مفهوم بعدی سوار می‌شود، آرام خواندن و برگشتن به صفحه‌ی قبل خیلی کمک می‌کند. بسیاری از خواننده‌ها کنار کتاب دفتر یادداشت می‌گذارند و هر مفهوم را با کلمه‌های خودشان بازنویسی می‌کنند.
دلیل سوم این است که این حوزه دیگر فقط مال برنامه‌نویس‌ها نیست. مدیر، پزشک، حسابدار، معلم و نویسنده هم باید بدانند این ابزارها چه می‌توانند و چه نمی‌توانند. کسی که مفهوم‌ها را بشناسد، هم بهتر استفاده می‌کند و هم کمتر فریب شعارهای بزرگ را می‌خورد.
خواننده‌ی این دسته کیست؟
کتاب‌های هوش مصنوعی و داده برای چند گروه متفاوت نوشته می‌شوند و خطای رایج این است که کتاب یک گروه را برای گروه دیگر بخریم. سه تصویر زیر را بخوانید و ببینید خودتان کدام هستید.
کسی که فقط کنجکاو است
شما برنامه‌نویس نیستید و نمی‌خواهید هم باشید، ولی می‌خواهید بفهمید دنیا به کدام سو می‌رود. برای شما کتاب‌هایی مناسب‌اند که با زبان ساده و بدون فرمول نوشته شده‌اند. عنوانی مثل «هوش مصنوعی برای آدم‌های معمولی» از اسمش پیداست که مخاطبش همین گروه است. «عصر هوش مصنوعی و آینده انسان» هم از عنوانش برمی‌آید که به‌جای فرمول به پیامدهای انسانی این فناوری می‌پردازد.
دانشجو یا علاقه‌مند به یادگیری فنی
اگر می‌خواهید خودتان مدل بسازید، کتاب‌های همراه با برنامه‌نویسی به کارتان می‌آیند. «هوش مصنوعی با پایتون» از عنوانش پیداست که زبان پایتون را ابزار کار قرار داده و «کاربرد چت جی‌پی‌تی برای یادگیری ماشین با پایتون» ترکیبی از مدل‌های زبانی و یادگیری ماشین را وعده می‌دهد. برای گرفتن جزئیات هر کدام صفحه‌ی خود کتاب را ببینید.
مدیر، کارآفرین یا شاغل حرفه‌ای
شما لازم نیست خودتان کد بنویسید، ولی باید بدانید کجا سرمایه بگذارید و از تیم‌تان چه بخواهید. کتاب‌هایی مانند «استراتژی و رهبری در عصر هوش مصنوعی» و «هوش مصنوعی برای متخصصان مالی» برای همین گروه نوشته شده‌اند. البته برای پیش‌بینی محتوای دقیق‌شان بهتر است توضیحات ناشر را در صفحه‌ی کتاب بخوانید.
مسیر پیشنهادی برای شروع از صفر
بزرگ‌ترین اشتباه تازه‌کارها این است که با کتابی پرفرمول شروع می‌کنند و بعد از بیست صفحه دلسرد می‌شوند. برای اینکه این اتفاق نیفتد، یک مسیر سه‌مرحله‌ای پیشنهاد می‌کنیم. لازم نیست عین آن را اجرا کنید، اما شاید ترتیب‌بندی به شما ایده بدهد.
- مرحله‌ی اول، فهمیدن تصویر کلی. یک کتاب مقدماتی و ساده بخوانید که بگوید هوش مصنوعی چیست، از کجا آمده و کجا به کار می‌رود. هدف این مرحله حفظ کردن نیست، فقط ساختن یک نقشه‌ی ذهنی است.
- مرحله‌ی دوم، آشنایی با داده. ببینید داده از کجا می‌آید، چطور پاک می‌شود و چرا داده‌ی بد مدل بد می‌سازد. در این مرحله نمودار و جدول ساده کافی است.
- مرحله‌ی سوم، دست‌به‌کد شدن. اگر به سمت فنی می‌روید، حالا سراغ کتابی بروید که با یک زبان برنامه‌نویسی کار عملی می‌کند و بعد یک پروژه‌ی کوچک بسازید.
اگر هدف‌تان فنی نیست، می‌توانید بعد از مرحله‌ی دوم به سراغ کتاب‌های اخلاق، اقتصاد و مدیریت بروید. این مسیر هم کاملا درست است.
برای مرحله‌ی سوم معمولا به مبانی برنامه‌نویسی هم نیاز پیدا می‌کنید. اگر هنوز آن را ندارید، سری به دسته‌ی برنامه‌نویسی بزنید و اول همان را محکم کنید.
کتاب هوش مصنوعی و داده با برنامه‌نویسی: چه چیزی بخریم؟
کتاب‌های عملی این حوزه معمولا یکی از دو شیوه را دارند. بعضی‌ها اول نظریه را توضیح می‌دهند و بعد کد نشان می‌دهند. بعضی دیگر از کد شروع می‌کنند و نظریه را در حین کار می‌گویند. هیچ‌کدام بهتر از دیگری نیست؛ بستگی دارد شما با کدام راحت‌ترید.
پیش از خرید چند چیز را بررسی کنید. اول اینکه کتاب از چه زبان برنامه‌نویسی استفاده می‌کند و آیا شما آن زبان را می‌شناسید. دوم اینکه سال چاپ یا ویرایش چیست، چون این حوزه سریع تغییر می‌کند و کتابی که چند سال از نوشتنش گذشته ممکن است ابزارهایش قدیمی شده باشد، هرچند مفاهیم اصلی‌اش هنوز درست باشند. سوم اینکه کتاب برای چه سطحی است؛ پیش‌نیازها را معمولا در پشت جلد یا مقدمه می‌نویسند.
نکته‌ی مهم‌تر این است که کتاب عملی را باید با رایانه باز کنار دست‌تان بخوانید. اگر فقط ورق بزنید و کد را نبینید که اجرا شود، بیشتر چیزی که یاد می‌گیرید فراموش می‌شود. هر فصل را یک بار بخوانید، یک بار با دست خودتان تایپ کنید و یک بار هم کمی تغییرش بدهید تا ببینید چه می‌شود.
کتاب‌های الگوریتم و بهینه‌سازی
در این دسته عنوان‌هایی هم هست که برای دانشجوها و پژوهشگرها نوشته شده‌اند. برای نمونه «هوش محاسباتی و الگوریتم‌های بهینه‌سازی» که جلد اول آن در فهرست دیده می‌شود، از اسمش پیداست که به روش‌های محاسباتی و بهینه‌سازی می‌پردازد. این‌جور کتاب‌ها لحن درسی دارند و برای کسی که تازه شروع کرده مناسب نیستند. اگر دانشجوی مهندسی یا ریاضی هستید، اما جلد بعدی هم دارد، پیش از خرید ببینید جلد اول را چه ناشری و با چه ویراستی منتشر کرده است.
کتاب‌های مرزی و نو
عنوانی مثل «هوش مصنوعی برای یادگیری ماشین کوانتومی» به مرز دو حوزه‌ی نو می‌رود. چنین کتابی معمولا فرض می‌کند که شما پیش‌زمینه‌ی نسبتا خوبی در ریاضی و علوم رایانه دارید. اگر تازه‌کارید، آن را برای بعد نگه دارید و اول کتاب‌های پایه‌ای‌تر را بخوانید.
هوش مصنوعی برای کسب‌وکار، اقتصاد و مدیریت
یک بخش بزرگ از خواننده‌های این دسته اصلا قصد ندارند مدل بسازند. آن‌ها می‌خواهند بدانند این فناوری چه اثری روی شرکت، بازار و شغل‌شان دارد. کتاب‌های این بخش معمولا با مثال کار می‌کنند و کمتر سراغ ریاضی می‌روند.
«انقلاب هوش مصنوعی» با زیرعنوانی که می‌پرسد این فناوری چگونه جامعه، اقتصاد و فرهنگ ما را دگرگون خواهد کرد، نگاه کلان دارد. «استراتژی و رهبری در عصر هوش مصنوعی» از نظر عنوان به تصمیم‌گیری مدیران نزدیک‌تر است. «هوش مصنوعی برای متخصصان مالی» هم مخاطبش را در دنیای مالی می‌جوید. «چت جی‌پی‌تی برای رهبران فکری و تولید» با اسم مدل زبانی روی کاربرد آن برای تولید محتوا و رهبری فکری تکیه می‌کند.
اگر مدیر هستید، پیش از هر کتابی از خودتان بپرسید: می‌خواهم تصمیم استراتژیک بگیرم یا می‌خواهم یک ابزار مشخص را در تیمم به کار بگیرم؟ اولی به کتاب‌های کلان و مدیریتی می‌خورد و دومی به کتاب‌هایی که آموزش کار با ابزار می‌دهند. برای حوزه‌ی گسترده‌تر مدیریت هم می‌توانید به کامپیوتر و فناوری و دسته‌های نزدیک به آن سر بزنید.
چه چیزی در این کتاب‌ها ماندگارتر است؟
مثال‌های شرکتی و نام ابزارها زود قدیمی می‌شوند، اما چارچوب‌های فکری ماندگارترند. مثلا اینکه چه کارهایی به هوش مصنوعی سپرده شود و چه کارهایی نه، یا اینکه داده‌ی شرکت چه ارزشی دارد. هنگام خواندن، دنبال همین چارچوب‌ها باشید و مثال‌ها را نمونه‌ای از آن بدانید.
اخلاق، جامعه و فلسفه‌ی هوش مصنوعی
یک بخش جذاب این دسته کتاب‌هایی است که از فناوری فاصله می‌گیرند و می‌پرسند: باید چه کنیم؟ کتابی با عنوان «اخلاق هوش مصنوعی» یکی از همین‌هاست. پرسش‌هایی که در این حوزه مطرح می‌شود برای همه‌ی ما مهم است: اگر یک سامانه تصمیمی بگیرد و اشتباه کند، مسئولش کیست؟ داده‌ای که از ما جمع می‌شود چه سرنوشتی پیدا می‌کند؟ آیا مدل ممکن است ناخواسته با گروهی از آدم‌ها ناعادلانه رفتار کند؟
«پیدایش هوش مصنوعی» از عنوانش پیداست که به تاریخچه و ریشه‌ها می‌پردازد و می‌تواند برای کسی که می‌خواهد بداند این ایده چطور شکل گرفت، نقطه‌ی شروع خوبی باشد. خواندن این جور کتاب‌ها حتی برای برنامه‌نویس‌ها هم مفید است، چون کمک می‌کند کارشان را در چارچوب بزرگ‌تری ببینند.
در این موضوع‌ها نظرهای مختلفی وجود دارد و نویسنده‌ها هم همیشه هم‌نظر نیستند. پیشنهاد ما این است که بیش از یک کتاب بخوانید و با تفکر انتقادی جلو بروید. هیچ کتابی حرف آخر را نمی‌زند، به‌ویژه در موضوعی که هنوز در حال شکل‌گیری است.
مدل‌های زبانی و چت‌بات‌ها: کتاب‌هایی برای استفاده‌ی روزمره
بخشی از کتاب‌های تازه‌ی این دسته مخصوص کار با مدل‌های زبانی است. مثل «کاربرد چت جی‌پی‌تی برای یادگیری ماشین با پایتون» که از عنوانش پیداست ابزار را وارد کار برنامه‌نویسی کرده، یا «چت جی‌پی‌تی برای رهبران فکری و تولید» که کاربردش را در تولید محتوا نشان می‌دهد. این کتاب‌ها معمولا به کاربر عادی کمک می‌کنند بفهمد چطور سؤال بپرسد و از جواب‌ها چه انتظاری داشته باشد.
یک نکته را همیشه یادتان بماند: خروجی یک مدل زبانی همیشه درست نیست. مدل ممکن است با اطمینان کامل چیزی بگوید که واقعیت ندارد. کتاب خوب این مسئله را صادقانه توضیح می‌دهد و به شما یاد می‌دهد جواب‌ها را بررسی کنید. اگر کتابی این ابزار را جادو معرفی کند، با احتیاط بخوانیدش.
از آن طرف، ابزار بدون آموزش هم دردسر دارد. کسی که چند اصل ساده را بلد باشد، مثلا اینکه سؤال را دقیق بنویسد، زمینه بدهد و جواب را با منبع دیگر بسنجد، از همان ابزار نتیجه‌ی خیلی بهتری می‌گیرد.
داده‌ی خوب از کجا می‌آید؟
در بحث هوش مصنوعی و داده، بخش «داده» گاهی دست‌کم گرفته می‌شود. در عمل بخش بزرگی از کار هر پروژه صرف جمع‌آوری، تمیزکاری و آماده‌سازی داده می‌شود. مدلی که با داده‌ی ناقص یا یک‌سویه آموزش دیده باشد، نتیجه‌ی ناقص و یک‌سویه می‌دهد، هر قدر هم الگوریتمش پیشرفته باشد.
وقتی کتابی درباره‌ی علم داده انتخاب می‌کنید، ببینید آیا فقط از الگوریتم می‌گوید یا به مراحل قبل‌تر هم می‌پردازد: پرسیدن سؤال درست، جمع‌آوری، پاک‌سازی، تحلیل و در آخر روایت نتیجه برای دیگران. کتابی که کل این مسیر را پوشش بدهد، برای کار واقعی به درد بیشتری می‌خورد.
اگر با داده‌های سازمانی یا حساس کار می‌کنید، حریم خصوصی و امنیت هم اهمیت پیدا می‌کند. برای آشنایی با این بخش می‌توانید سراغ دسته‌ی شبکه و امنیت بروید و کتاب‌های آن را کنار مباحث داده بخوانید.
ریاضی لازم است؟ چقدر؟
این پرسش تقریبا همه‌ی تازه‌کارها را نگران می‌کند. جواب صادقانه این است: بستگی دارد چه بخواهید. برای فهمیدن مفاهیم و استفاده‌ی هوشمندانه از ابزارها، ریاضی زیادی لازم نیست. برای ساختن مدل و فهمیدن اینکه چرا کار می‌کند، آشنایی با جبر خطی، احتمال و آمار و کمی حساب دیفرانسیل به کار می‌آید.
خبر خوب این است که لازم نیست همه‌ی ریاضی را از قبل بلد باشید. بسیاری از کتاب‌های عملی ریاضی را در حین کار و در حد نیاز توضیح می‌دهند. اگر نگران‌اید، از کتابی شروع کنید که در مقدمه پیش‌نیازهایش را روشن گفته باشد و هر بار به همان اندازه جلو بروید که راحت هستید.
و یک نکته‌ی روانی: اگر یک فرمول را متوجه نشدید، از آن رد شوید و بعد برگردید. بسیاری از خواننده‌ها بعد از دیدن یک مثال عملی، فرمولی که قبلا گنگ بود را ناگهان می‌فهمند.
اشتباه‌های رایج هنگام خرید کتاب هوش مصنوعی و داده
در سال‌های اخیر تعداد کتاب‌های هوش مصنوعی و داده زیاد شده و انتخاب سخت‌تر. این چند اشتباه را بیشتر از بقیه می‌بینیم.
- خریدن کتاب سطح بالا برای شروع. کتاب درسی دانشگاهی برای کسی که هنوز مفهوم‌ها را نمی‌شناسد، مثل ورود به کلاس سال آخر است. اول کتاب مقدماتی بخوانید.
- نگاه نکردن به پیش‌نیازها. اگر کتاب با پایتون کار می‌کند و شما هرگز کد ننوشته‌اید، اول اصول برنامه‌نویسی را یاد بگیرید.
- دنبال کتابی رفتن که همه‌چیز را یک‌جا بگوید. چنین کتابی وجود ندارد. حوزه بسیار گسترده است و بهتر است چند کتاب کوچک‌تر و متمرکزتر بخوانید.
- باور کردن شعارها. اگر کتابی وعده می‌دهد که شما را بدون تلاش متخصص می‌کند، به آن شک کنید. یادگیری این حوزه زمان و تمرین می‌خواهد.
- فراموش کردن نسخه و سال. در برنامه‌نویسی و ابزارها سال چاپ اهمیت دارد. مفاهیم پایه کمتر عوض می‌شوند، ولی دستورها و کتابخانه‌ها زود قدیمی می‌شوند.
چند کتاب نمونه و اینکه هر کدام به چه کسی می‌خورد
برای اینکه تصویری از تنوع این دسته داشته باشید، چند عنوان را کنار هم می‌گذاریم. توجه کنید که همه‌ی توضیح‌ها بر پایه‌ی عنوان کتاب است و برای جزئیات باید صفحه‌ی خود کتاب را ببینید.
- «هوش مصنوعی برای آدم‌های معمولی»: از اسمش پیداست که برای کسانی است که پیش‌زمینه‌ی فنی ندارند.
- «هوش مصنوعی با پایتون»: برای کسی که می‌خواهد با برنامه‌نویسی وارد کار شود.
- «اخلاق هوش مصنوعی»: برای کسی که به پیامدهای اجتماعی و اخلاقی فناوری فکر می‌کند.
- «انقلاب هوش مصنوعی»: برای کسی که نگاه کلان به اثر این فناوری بر جامعه و اقتصاد می‌خواهد.
- «استراتژی و رهبری در عصر هوش مصنوعی»: برای مدیرها و تصمیم‌گیرها.
- «عصر هوش مصنوعی و آینده انسان»: برای خواننده‌ی عمومی که به آینده و جایگاه آدم فکر می‌کند.
مشخصات هر کتاب در صفحه‌ی خودش است و می‌توانید پیش از سفارش ناشر، مترجم و توضیحات را با هم مقایسه کنید.
برای دانشجوها و پژوهشگرها
اگر دانشجوی رشته‌های هوش مصنوعی و داده هستید، یک نکته‌ی عملی: کتاب درسی را با یک کتاب ساده‌تر همراه کنید. وقتی در کتاب دانشگاهی به یک بخش سخت رسیدید، کتاب ساده‌تر می‌تواند همان مفهوم را با مثال روشن کند. بعد که فهمیدید، به کتاب اصلی برگردید و فرمول‌ها را دنبال کنید.
پژوهشگرها هم بهتر است کتاب‌هایی را که به روش‌های محاسباتی و بهینه‌سازی می‌پردازند، کنار مقاله‌های روز بخوانند. کتاب پایه‌ی محکم می‌دهد و مقاله وضع کنونی حوزه را نشان می‌دهد. این دو مکمل هم‌اند.
اگر رشته‌تان به طراحی و تصویر نزدیک است، مثلا با تولید تصویر و رابط کاربری سروکار دارید، دسته‌ی طراحی و گرافیک کامپیوتری هم کنار این دسته می‌تواند به کارتان بیاید. علاقه‌مندهای بازی هم که دوست دارند شخصیت‌های هوشمند بسازند، سری به بازی‌سازی بزنند.
چطور کتاب را خوب بخوانیم و یاد بگیریم؟
خواندن یک کتاب هوش مصنوعی و داده با خواندن رمان فرق دارد. چند عادت ساده کمک می‌کند بیشتر از کتاب بهره ببرید.
- پیش از هر فصل، فهرست تیترهایش را مرور کنید تا بدانید به کجا می‌روید.
- در حین خواندن، هر مفهوم تازه را با یک جمله‌ی ساده در دفترتان بنویسید.
- مثال‌ها را خودتان حل کنید، نه فقط بخوانید.
- آخر هر فصل، بدون نگاه به کتاب توضیح بدهید چه یاد گرفتید. اگر نتوانستید، دوباره بخوانید.
- هفته‌ای یک بار مرور کنید. مغز چیزی را که تکرار نشود، سریع کنار می‌گذارد.
و اگر با دوستی یا همکاری هم‌مسیر شدید، کار راحت‌تر می‌شود. توضیح دادن مطلب به یک نفر دیگر یکی از بهترین راه‌های فهمیدن است.
هوش مصنوعی و شغل شما
خیلی‌ها هنگام خواندن کتاب هوش مصنوعی و داده نگران‌اند که ماشین جای‌شان را بگیرد. کتاب‌ها در این باره نظرهای مختلفی می‌دهند و ما نمی‌خواهیم جانبداری کنیم. آنچه می‌توان گفت این است که کسی که این ابزارها را می‌شناسد، در موقعیت بهتری برای تصمیم‌گیری قرار دارد، چه بخواهد از آن‌ها استفاده کند و چه بخواهد مسیر شغلی‌اش را تغییر بدهد.
حسابدار و کارشناس مالی می‌تواند ببیند کدام کارهای تکراری به ابزار سپرده می‌شود و ارزش خودش کجاست. مدیر می‌تواند تیمی بسازد که ابزار را درست به کار بگیرد. نویسنده و طراح هم می‌توانند ببینند چطور از مدل به‌عنوان دستیار استفاده کنند، بی‌آنکه سلیقه و نگاه خودشان را از دست بدهند. کتاب‌های مرتبط با هر حرفه در این دسته راه‌های فکر کردن به این موضوع را نشان می‌دهند.
پرسش‌های پرتکرار درباره‌ی کتاب هوش مصنوعی و داده
برای شروع کدام کتاب را بخوانم؟
اگر پیش‌زمینه‌ی فنی ندارید، با کتابی شروع کنید که مخاطب عمومی دارد و از فرمول و کد خبری در آن نیست. عنوان‌هایی مثل «هوش مصنوعی برای آدم‌های معمولی» با همین هدف نوشته شده‌اند. اگر برنامه‌نویس هستید، می‌توانید مستقیم سراغ کتاب‌های همراه با کد بروید.
بدون دانستن برنامه‌نویسی هم می‌شود وارد این حوزه شد؟
بله. برای فهمیدن مفاهیم، اثرات اجتماعی، اخلاق و مدیریت، نیازی به برنامه‌نویسی نیست. اما اگر بخواهید خودتان مدل بسازید، دیر یا زود باید یک زبان برنامه‌نویسی یاد بگیرید. پایتون در کتاب‌های این حوزه بسیار دیده می‌شود.
کتاب‌ها به‌روز هستند؟
هر کتاب سال چاپ و ویرایش خودش را دارد و این اطلاعات در صفحه‌ی کتاب هست. مفاهیم پایه در همه‌ی این کتاب‌ها ارزش دارند، ولی درباره‌ی ابزارهای مشخص و دستورهای برنامه‌نویسی بهتر است به سال انتشار توجه کنید.
تفاوت هوش مصنوعی و علم داده چیست؟
علم داده بیشتر روی جمع‌آوری، تحلیل و روایت داده تمرکز دارد و هوش مصنوعی روی ساختن سامانه‌هایی که تصمیم می‌گیرند یا کارهای هوشمندانه می‌کنند. این دو حوزه هم‌پوشانی زیادی دارند و به همین دلیل در یک دسته آمده‌اند.
کتاب مناسب مدیران کدام است؟
کتاب‌هایی که درباره‌ی استراتژی، رهبری و اثر این فناوری بر کسب‌وکار نوشته شده‌اند، مثل «استراتژی و رهبری در عصر هوش مصنوعی». مدیرها معمولا به کتاب‌های عمیق فنی نیاز ندارند.
قیمت و موجودی کتاب‌ها ثابت است؟
قیمت و موجودی هر کتاب هر روز به‌روز می‌شود. مشخصات هر کتاب هم در صفحه‌ی خودش است و می‌توانید نسخه‌ی چاپی را آنلاین سفارش بدهید.
آیا این کتاب‌ها برای نوجوان‌ها مناسب‌اند؟
کتاب‌های مقدماتی و ساده را بله، مخصوصا اگر نوجوان به برنامه‌نویسی علاقه دارد. کتاب‌های دانشگاهی و پرفرمول برای او زود است. بهتر است پیش از خرید توضیحات پشت جلد را بخوانید.
جمع‌بندی: قدم اول را بردارید
کتاب هوش مصنوعی و داده فقط برای متخصص‌ها نیست. از کتاب ساده برای خواننده‌ی عمومی تا کتاب کدنویسی، از اخلاق و فلسفه تا استراتژی و مدیریت، در این دسته چیزی هست که با مسیر شما جور دربیاید. اگر تازه شروع کرده‌اید، یک کتاب مقدماتی بردارید، مفهوم‌ها را بفهمید و بعد بر اساس هدف‌تان جلو بروید.
حالا نوبت شماست: کتاب‌های همین دسته را ببینید، مشخصات و توضیحات را بخوانید و نسخه‌ی چاپی مناسب را آنلاین سفارش بدهید. اگر دنبال موضوع‌های نزدیک‌تر هستید، از صفحه‌ی کامپیوتر و فناوری هم می‌توانید ادامه بدهید.
