贵阳建站模板,设计广告图片,腾讯网站建设分析,中国室内装修设计网一.人工智能概述 1.AI的基础学科包括#xff1a;数学#xff08;离散、模糊#xff09;、思维科学#xff08;认知心理、逻辑思维学、形象思维学#xff09;和计算机#xff08;硬件、软件#xff09;等。 2.新一代人工智能呈现出“深度学习、跨界融合、人机协同、群智…一.人工智能概述 1.AI的基础学科包括数学离散、模糊、思维科学认知心理、逻辑思维学、形象思维学和计算机硬件、软件等。 2.新一代人工智能呈现出“深度学习、跨界融合、人机协同、群智开放和自主智能的新特点”新一代人工智能主要是大数据基础上的人工智能。 3.数据挖掘从海量数据中“挖掘”隐藏信息 机器学习给计算机程序输入数据让计算机学会新知识 深度学习从大数据中自动学习特征 云计算大规模分布式IT基础设施 人工智能基于学习、认知构成的对人的替代取得高度共识。 4.人工智能的基本三要素 算法、算力、数据 5.1950s早期AI、1970-1980第一次寒冬、1980sAI繁荣期、1987-1933第二次寒冬、1990s-2000s传统机器学习、2006深度学习 1950s早期AI 1950阿兰.图灵Alan Turing发明了图灵测试来判断计算机是否智能 1956在美国东部的达特茅斯会议上首次出现了“人工智能”这个术语 1957罗森.布拉特Frank Rosenblatt设计了第一个计算机神经网络——感知机 1959阿瑟.萨缪尔Arthur Samuel创造了”机器学习“这一术语他在论文中谈到了一个程序该程序可以让计算机学习如何下棋 1980s繁荣期 1980卡内基梅隆大学CMU研发的XCON正式投入使用这成为一个新时期的里程碑专家系统开始在特定领域发挥威力也带动整个人工智能技术进入了一个繁荣阶段。 专家系统根据人类专家编写的知识库依照计算机程序设定的推理规则回答专业特定领域的问题或提供知识。XCON取得的巨大商业成功80年代2/3的世界500强公司开始开发和部署各自领域的专家系统。 1986大卫.鲁姆哈特和杰弗里.辛顿发表了《Learning Internal Representations by Error-Propagation》其中介绍了当前用于深度学习的“反传”backprop学习算法。早期的专家系统 1990s-2000s传统机器学习 机器学习领域中一个最重要的突破支持向量机SVM的提出将机器学习分为神经网络社区和支持向量机社区。 6.机器学习问题类型 分类、回归、聚类、异常处理、强化学习 7.构建解决方案的工作流程 问题定义–数据采集–数据分析及处理–建模–验证–决策及部署 8.专业术语 样本sample或者输入input送入模型的数据点 目标target真实值对于外部数据源理想情况下模型应该能够预测出目标 预测prediction或者输出output从模型出来的结果 预测误差prediction error或损失值loss value模型预测与目标之间的距离 类别class分类问题中供选择的一组标签。例子对猫狗分类的时候狗和猫就是两个类别 标签label分类问题中列别标注的具体例子例子用“0”表示“猫”用“1”表示“狗” 真值ground-truth或标注annotation数据集的所有目标通常由人工收集 二分类binary classification一种分类任务包括两个类别每个输入样本都应该被划分到两个类别的其中一类。 多分类multiclass classification一种分类任务包括多个类别每个输入样本都应该被划分到多类别的其中一类。 多标签分类multilabel classification一种分类任务每个输入样本都可以分配多个标签 标量回归scalar regression目标是连续标量值的任务。 向量回归vector regression目标是一组连续值连续 向量的任务。 小批量mini-batch或批量batch模型同时处理的一小部分样本 9.机器学习算法分类 监督学习标注数据具有“正确答案”预测未来 无监督学习没有标注数据没有“正确答案”自动发现隐藏结构 强化学习决策过程奖励系统学习-系列步骤