浅谈人工智能

一、什么是人工智能

  人工智能是人们心中美好的设想,目的是希望通过当时新兴的计算机,打造拥有相当于人类智能的复杂机器。这就是我们所说的“通用人工智能”(General AI)概念,拥有人类五感(视觉,听觉等)、推理能力以及人类思维方式的神奇机器。

二、什么是机器学习

  机器学习就是通过算法,使得机器能从大量历史数据中学习规律,从而对新的样本做智能识别或对未来做预测。

  它利用大量现有的数据(大数据)对机器进行训练,使得机器在面对下一次实验测试的时候能够根据既有的经验对数据进行区分(比如是猫还是狗)。

  机器学习分为监督式学习,非监督式学习,强化学习

  常用的机器学习算法有:

  1. 线性回归
  2. 逻辑回归
  3. 决策树
  4. SVM
  5. 朴素贝叶斯
  6. K最近邻算法
  7. K均值算法
  8. 随机森林算法
  9. 降维算法
  10. Gradient Boost 和 Adaboost 算法

    决策树:根据一些 feature 进行分类,每个节点提一个问题,通过判断,将数据分为两类,再继续提问。这些问题是根据已有数据学习出来的,

  再投入新数据的时候,就可以根据这棵树上的问题,将数据划分到合适的叶子上

三、什么是深度学习

  那机器是怎么学习到这个规则(什么样的是猫?)的呢?

  没错,是通过机器学习算法。而神经网络,恰好就是一种机器学习算法。

  其实神经网络最初得名,就是其在模拟人的大脑,把每一个节点当作一个神经元,这些“神经元”组成的网络就是神经网络。而由于计算机出色的计算能力和细节把握能力,在大数据的基础上,神经网络往往有比人有更出色的表现。深度学习算法并不是直接通过将输入映射到输出的方式,而是依赖于几层处理单元。 每个层将其输出传递到下一个层,进行处理,然后再传递到下一层。 在某些模型中,计算可能会在处理层之间来回流动多次。现已证明深度学习在各种任务中非常有效,包括图像字幕,语音识别和语言翻译。

四、如何入门人工智能

  

  选择方向:1、算法应用。专注于了解业务以及算法的使用场景。  2、开发算法。关注数学推导能力以及编程技巧。

  Step1:了解行业资讯,先来一波科普

  Step2:务实基础—

      高数:线性代数和微积分,统计学相关基础

      Python: 重点关注爬虫,数值计算,数据可视化方面的应用

  Step3:机器学习算法+实践

      机器学习常见的问题分为三种,分类,聚类,回归

      分类:KNN算法,决策树,朴素贝叶斯,支持向量机,逻辑斯蒂回归

      聚类:K-mean

      回归:决策树,朴素贝叶斯,向量机

      实践方法:

      这里需要选择一个应用方向,是图像(计算机视觉),音频(语音识别),还是文本(自然语言处理)。这里推荐选择图像领域,这里面的开源项目较多,入门也较简单,可以使用OpenCV做开发,里面已经实现好了神经网络,SVM等机器学习算法。项目做好后,可以开源到到 Github 上面,然后不断完善它。实战项目做完后,你可以继续进一步深入学习,这时候有两个选择,深度学习和继续机器学习

      Example:

      数据分析流程:

        1、问题定义
        2、数据获取
        3、数据预处理
        4、数据分析与建模
        5、数据可视化及数据报告的撰写

  Step4:深度学习

    十种深度学习算法要点及代码常见如下博客:

    https://blog.csdn.net/northhan/article/details/72724058

原文地址:https://www.cnblogs.com/Endone/p/9248827.html

时间: 2024-10-09 13:38:48

浅谈人工智能的相关文章

浙江天搜浅谈人工智能AI的四大应用

如今已进入人工智能时代,代表了社会的进步,高科技的发展,那么人工智能如今运用在哪方面呢,浙江天搜总结了人工智能应用的四大方面: 一.语音识别 语音识别是指我们自然发出的声音需要机器转换成语言符号,通过识别和理解过程把语音信号转变为响应的文本或命令,然后再与我们交互. 语音识别有两个技术方向:一个是语音的识别,另一个是语音的合成. 语音识别技术可以应用在电话销售上.语音的合成,是指机器把文字转换成语音,并且能够根据个人需求定制语音,然后念出来. 以前的声音是那种匀速的.没有语调起伏的机器声音,现在

浅谈程序员该具备的自我修养

各行各业的工作者,都有其要求,那么作为程序员,我们又该具备哪些素养呢?博主在这里浅谈个人看法,如有不当之处,请大佬们指正. 一.知识储备 1.数学 或许在很多人看来,学计算机用不到什么数学,最多也就是一百以内的加减乘除,用在for循环.数组索引之类的上面.但其实不然,大部分人这样觉得是因为基本都工作在应用层,所以相对而言,用到的数学知识会比较少,也比较浅显. 而当从应用层更深地学习研究时,就需要一定的数学能力了. 2.计算机 1)操作系统 操作系统(OS)是配置在计算机硬件上的第一层软件.是对硬

浅谈深度学习中潜藏的稀疏表达

浅谈深度学习中潜藏的稀疏表达 “王杨卢骆当时体,轻薄为文哂未休. 尔曹身与名俱灭,不废江河万古流.” — 唐 杜甫<戏为六绝句>(其二) [不要为我为啥放这首在开头,千人千面千理解吧] 深度学习:概述和一孔之见 深度学习(DL),或说深度神经网络(DNN), 作为传统机器学习中神经网络(NN).感知机(perceptron)模型的扩展延伸,正掀起铺天盖地的热潮.DNN火箭般的研究速度,在短短数年内带来了能“读懂”照片内容的图像识别系统,能和人对话到毫无PS痕迹的语音助手,能击败围棋世界冠军.引

浅谈深度学习和本体间的关系

在一次会议上得到了这样一个观点说深度学习和本体是同一个方向的两条不同的路径.但是觉得这个两个东西是完全不相关的东东么怎么能扯到一起去呢?后来读了一些语义角色标注的文章发现这种观点确实有些意思.本文结合自己一些对深度学习极为浅显的了解和对本体.机器学习的粗浅理解浅谈一下深度学习和本体的关系. 在这里先要谈一下分类问题如羊是属于动物的,小明是属于人的等等.分类问题在人工智能领域一直占有极重要的地位.那么从统计角度的机器学习是怎么分类呢?大部分的分类器过程都是先找到这个实例的特征,如我对一句话:我爱北

【转载】李航博士的《浅谈我对机器学习的理解》 机器学习与自然语言处理

李航博士的<浅谈我对机器学习的理解> 机器学习与自然语言处理 [日期:2015-01-14] 来源:新浪长微博  作者: 李航 [字体:大 中 小] 算算时间,从开始到现在,做机器学习算法也将近八个月了.虽然还没有达到融会贯通的地步,但至少在熟悉了算法的流程后,我在算法的选择和创造能力上有了不小的提升.实话说,机器学习很难,非常难,要做到完全了解算法的流程.特点.实现方法,并在正确的数据面前选择正确的方法再进行优化得到最优效果,我觉得没有个八年十年的刻苦钻研是不可能的事情.其实整个人工智能范畴

浅谈爬虫 《一》 ===python

浅谈爬虫 <一> ===python ?''正文之前先啰嗦一下,准确来说,在下还只是一个刚入门IT世界的菜鸟,工作近两年了,之前做前端的时候就想写博客来着,现在都转做python了,如果还不开始写点什么,估计时间都不会原谅这么懒散的我了-- 闲话到此,下面说正事儿--首先来个爬虫简介 ??咋一听挺神秘的样子,简单来讲爬虫就是从网络获取资源,比如你想知道淘宝上的女装什么颜色的销量好,或者哪一款零食比较有赚头儿-- ??在说现在流行的人工智能,其实所谓的人工智能也就是足够的数据支撑,以及数据标记等

浅谈vuex

通过购物车的一个案列,把vuex学习了一篇. vuex概念浅谈 Vuex 是一个专为 Vue.js 应用程序开发的状态管理模式.它采用集中式存储管理应用的所有组件的状态,并以相应的规则保证状态以一种可预测的方式发生变化.简单的来说,就是数据共用,对数据集中起来进行统一的管理. 如果您的应用够简单,您最好不要使用 Vuex.一个简单的 global event bus 就足够您所需了.但是,如果您需要构建是一个中大型单页应用,您很可能会考虑如何更好地在组件外部管理状态,Vuex 将会成为自然而然的

.net中对象序列化技术浅谈

.net中对象序列化技术浅谈 2009-03-11 阅读2756评论2 序列化是将对象状态转换为可保持或传输的格式的过程.与序列化相对的是反序列化,它将流转换为对象.这两个过程结合起来,可以轻松地存储和传输数 据.例如,可以序列化一个对象,然后使用 HTTP 通过 Internet 在客户端和服务器之间传输该对象.反之,反序列化根据流重新构造对象.此外还可以将对象序列化后保存到本地,再次运行的时候可以从本地文件 中“恢复”对象到序列化之前的状态.在.net中有提供了几种序列化的方式:二进制序列化

浅谈——页面静态化

现在互联网发展越来越迅速,对网站的性能要求越来越高,也就是如何应对高并发量.像12306需要应付上亿人同时来抢票,淘宝双十一--所以,如何提高网站的性能,是做网站都需要考虑的. 首先网站性能优化的方面有很多:1,使用缓存,最传统的一级二级缓存:2,将服务和数据库分开,使用不同的服务器,分工更加明确,效率更加高:3,分布式,提供多台服务器,利用反向代理服务器nginx进行反向代理,将请求分散开来:4,数据库的读写分离,不同的数据库,将读操作和写操作分开,并实时同步即可:5,分布式缓存,使用memc