在过去的 60 年间,数据、事实以及信息呈现出爆发式的增长,特别是在人类基因编码领域中的数据,这一现象标志着一个全新时代的降临,即大数据时代

下面内容摘录自《用R探索医药数据科学》专栏文章的部分内容(原文5773字)。

1章2节:关于人工智能、机器学习、统计学 与 ChatGPT 的探究 (更新20240814)-CSDN博客文章浏览阅读1.1k次。在现代科技发展的浪潮中,人工智能(AI)、机器学习(ML)、统计学、R 编程语言以及大型语言模型(如 ChatGPT)已经成为推动创新和解决复杂问题的关键力量。这些技术之间不仅存在密切的联系和相互的作用,而且还存在一定的区别,本文一一探索。https://blog.csdn.net/2301_79425796/article/details/140560500?csdn_share_tail=%7B%22type%22%3A%22blog%22%2C%22rType%22%3A%22article%22%2C%22rId%22%3A%22140560500%22%2C%22source%22%3A%222301_79425796%22%7D​​​​​​​

 一、人工智能

在过去的 60 年间,数据、事实以及信息呈现出爆发式的增长,特别是在人类基因编码领域中的数据,这一现象标志着一个全新时代的降临,即大数据时代。计算机技术能够将这个世界上浩如烟海的数据转化为知识、事实和信息。在此,就不得不提及人工智能(Artificial Intelligence, AI)了。在人工智能中,“人工”这个词汇是英文单词“artificial”的中文译意。在日常用语里,“artificial”一词意为合成的(也就是人造的),这往往带有负面意味,意味着“人造物体仅仅是真实物体的次要形式”。但实际上,人造物体常常优于真实或者自然物体。“智能”(intelligence)指的是个体从经验当中学习、进行正确推理、记住重要信息,以及应对日常生活需求的认知能力。

首先,构成人工智能的核心是人。人拥有想法,并将这些想法转化为方法。这些想法能够通过算法、启发式方法、程序或者作为计算核心的系统来予以表达。最终,我们获取了这些机器(程序)所产生的产物,我们将其称作“结果”。每一个结果都能够依据其价值、效果、效率等方面进行衡量。

1940年代:可编程数字计算机的发明基于数学推理,激发了科学家们探索创建“电子大脑”的可能性。

1956年:由约翰·麦卡锡、马文·明斯基、内森尼尔·罗切斯特和克劳德·香农组织的达特茅斯会议被认为是AI作为一个领域的诞生。会议参与者为AI研究奠定了基础,预测在一代人内机器将会像人类一样智能。

1974-1980年:由于像Lighthill报告的批评,第一次“AI寒冬”发生,导致AI研究的资金和兴趣减少。尽管有挫折,但逻辑编程和常识推理等新思想涌现。

1980年代-1990年代:AI随着专家系统的发展而复兴,并取得重大里程碑,例如1997年IBM的深蓝击败国际象棋冠军加里·卡斯帕罗夫。这个时期还见证了1986年恩斯特·迪克曼斯发明的第一辆自动驾驶汽车。

2010年代-2020年代:AI技术迅速进步,机器学习和深度学习成为各种应用的核心。AI系统现在能够生成创意响应、处理大规模数据集,并执行机器曾被认为不可能完成的任务。其中,ChatGPT的出现给人工智能领域带来巨大的影响。2018年,OpenAI 发布了基于变换器架构的第一个生成预训练变换器模型 GPT-1,随后在2019年推出了具有1.5亿参数的 GPT-2。2020年,包含1750亿参数的 GPT-3 发布,展示了其在多个自然语言处理任务上的卓越表现。同年,OpenAI 基于 GPT-3 技术发布了专用于对话的 ChatGPT,并通过微调提升了其在对话场景中的表现。2023年,GPT-4 进一步提高了对话能力、理解复杂问题的能力和生成更为准确的文本。ChatGPT 被广泛应用于教育、商业和娱乐等多个领域,推动了人机交互方式的变革。

二、机器学习

机器学习(Machine Learning,ML)则是人工智能的一个分支,致力于开发能够从数据中学习和改进其性能的算法和统计模型。简而言之,机器学习让计算机通过分析大量数据自行“学习”并做出预测或决策,

.......................

在这里,你学到的并非仅仅是 R 的某一个技巧,而是能够从零开始,深入且系统地学习 R 语言。此外,本专栏每周至少定期更新三篇文章,每篇文章篇幅均在 5000 字以上。而且,对于已经发表的知识点,我们也会根据新的技术或理解及时进行更新,这是纸质版图书无法做到的。为了让更多的忠实粉丝和同学们享受到实惠,本专栏采用折扣定价策略。随着章节的不断完成,折扣力度会逐渐减小。所以,现在正是订阅的最佳时机!

https://blog.csdn.net/2301_79425796/category_12729892.html?spm=1001.2014.3001.5482

第一章:认识数据科学和R

1章1节:数据科学的发展历程,何 R 备受青睐及我们专栏的独特之处(更新20240822)-CSDN博客

1章2节:关于人工智能、机器学习、统计学连和机器学习、R 与 ChatGPT 的探究 (更新20240814)-CSDN博客

1章3节:R 语言的产生与发展轨迹(更新2024/08/14)-CSDN博客

1章4节:数据可视化, R 语言的静态绘图和 Shiny 的交互可视化演示(更新20240814)-CSDN博客

第二章:R的安装和数据读取

2章1节:R和RStudio的下载和安装(Windows 和 Mac)_rst语言选择哪个镜像-CSDN博客

2章2节:RStudio 四大区应用全解,兼谈 R 的代码规范与相关文件展示_rstudio的console和terminal-CSDN博客

2章3节:RStudio的高效使用技巧,自定义RStudio环境(更新20240823)_rstudio如何使用-CSDN博客

2章4节:用RStudio做项目管理,静态图和动态图的演示,感受ggplot2的魅力-CSDN博客

2章5节:认识和安装R的扩展包,什么是模糊搜索安装,工作目录和空间的区别与设置(更新20240807 )-CSDN博客

2章6节:R的数据集读取和利用,如何高效地直接复制黏贴数据到R(更新20240807 )_r语言 复制数据集-CSDN博客

2章7节:读写RDS,CSV,TXT,Excel,SPSS、SAS、Stata、Minitab等的数据文件(更新20240807)_r语言读取rds文件-CSDN博客

2章8节:一文学会 R Markdown 的文档核心操作,切记文末有R资源的分享_r markdown文件(.rmd)-CSDN博客

2章9节:认识R与数据库连接和网络爬虫,学会在R中使用SQL语言_sql和r语言-CSDN博客

2章10节:用 R 直接下载并分析 NHANES 数据库的数据,文末示例自创便捷下载函数(更新20240807)_nhanes数据分析-CSDN博客

第三章:认识数据

3章1节:数据的基本概念以及 R 中的数据结构、向量与矩阵的创建及运算-CSDN博客

3章2节:继续讲R的数据结构,数组、数据框和列表-CSDN博客

3章3节:R的赋值操作与算术运算_r里面的赋值-CSDN博客

3章4节:R的逻辑运算和矩阵运算-CSDN博客

3章5节:R 语言的循环与遍历函数全解析-CSDN博客

第四章:数据的预处理

4章1节:全面了解 R 中的数据预处理,通过 R 基本函数实施数据查阅_r数据预处理-CSDN博客

4章2节:从排序到分组和筛选,通过 R 的 dplyr 扩展包来操作-CSDN博客

4章3节:处理医学类原始数据的重要技巧,R语言中的宽长数据转换,tidyr包的使用指南-CSDN博客

4章4节:临床数据科学中如何用R来进行缺失值的处理_临床生存分析缺失值r语言-CSDN博客

4章5节:数据科学中的缺失值的处理,删除和填补的选择,K最近邻填补法-CSDN博客

4章6节:R的多重填补法中随机回归填补法的应用,MICE包的实际应用和统计与可视化评估-CSDN博客

4章7节:用R做数据重塑,数据去重和数据的匹配-CSDN博客

4章8节:用R做数据重塑,行列命名和数据类型转换-CSDN博客

4章9节:用R做数据重塑,增加变量和赋值修改,和mutate()函数的复杂用法_r语言如何在数据集中添加变量-CSDN博客

4章10节:用R做数据重塑,变体函数应用详解和可视化的数据预处理介绍-CSDN博客

4章11节:用R做数据重塑,数据的特征缩放和特征可视化-CSDN博客

4章12节:R语言中字符串的处理,正则表达式的基础要点和特殊字符-CSDN博客

4章13节:R语言中Stringr扩展包进行字符串的查阅、大小转换和排序-CSDN博客

4章14节:R语言中字符串的处理,提取替换,分割连接和填充插值_r语言替换字符串-CSDN博客

4章15节:字符串处理,提取匹配的相关操作扩展,和Stringr包不同函数的重点介绍和举例-CSDN博客

4章16节:R 语言中日期时间数据的关键处理要点_r语言 时刻数据-CSDN博客

第五章:定量数据的统计描述

5章1节:用R语言进行定量数据的统计描述,文末有众数的自定义函数-CSDN博客

5章2节:离散趋势的描述,文末1个简单函数同时搞定20个结果-CSDN博客

5章3节:在R语言中,从实际应用的角度认识假设检验-CSDN博客

5章4节:从R语言的角度认识正态分布与正态性检验-CSDN博客

5章5节:认识方差和方差齐性检验(三种方法全覆盖)-CSDN博客

5章6节:R语言中的t检验,独立样本的t检验-CSDN博客

5章7节:单样本t检验和配对t检验-CSDN博客

5章8节:方差分析(ANOVA)及其应用-CSDN博客

5章9节:组间差异的非参数检验,Wilcoxon秩和检验和Kruskal-Wallis检验-CSDN博客

第六章:定性数据的统计描述 

6章1节:定性数据的统计描述之列联表,文末有优势比计算介绍-CSDN博客

6章2节:认识birthwt数据集,EpiDisplay和Gmodels扩展包的应用-CSDN博客

6章3节:独立性检验,卡方检验,费希尔精确概率检验和Cochran-Mantel-Haenszel检验-CSDN博客

6章4节:相关关系和连续型变量的Pearson相关分析-CSDN博客

6章5节:分类型变量的Spearman相关分析,偏相关分析和相关图分析-CSDN博客

6章6节:相关图的GGally扩展包,和制表的Tableone扩展包-CSDN博客​​​​​​​

第七章:R的传统绘图

​​​​​​​7章1节:认识R的传统绘图系统,深度解析plot()函数和par()函数的使用-CSDN博客

7章2节:R基础绘图之散点图、直方图和概率密度图-CSDN博客

7章3节:R基础绘图之条形图和堆积条形图-CSDN博客

7章4节:饼图,箱线图和克利夫兰点图-CSDN博客

7章5节:散点矩阵图,与小提琴图、Cleveland 点图、马赛克图和等高图-CSDN博客

7章6节:用R进行图形的保存与导出,详细的高级图形输出,一文囊括大多数保存的各种问题,和如何批量保存不同情况的图形-CSDN博客

 第八章:R的进阶绘图

8章1节:认识 ggplot2 扩展包,深度解析 qplot() 函数的使用-CSDN博客

 8章2节:深度讲解 ggplot2 的绘图步骤,理解其核心逻辑, 和 ggplot()函数-CSDN博客

 8章3节:用R来绘制医学地理图,文末有具体完整代码-CSDN博客

 8章4节:维恩图的认识与应用,和使用UpSet图-CSDN博客

 8章5节:用R绘制平行坐标图-CSDN博客​​​​​​​

8章6节:雷达图及RadViz图-CSDN博客

8章7节:词云图,矩形树状图和三维散点图-CSDN博客

 ​​​​​​​8章8节:绘制自定义的高质量动态图和交互式动态图-CSDN博客

第九章:临床试验的统计

9章1节:初步认识临床试验(约7500字)-CSDN博客

9章2节:样本量估计的初步介绍-CSDN博客

9章3节:用R进行样本量估计的统计学参数-CSDN博客

9章4节:两组例数相同的均数比较的样本量估计和绘制功效曲线-CSDN博客

9章5节:两组的例数不等的均数比较的样本量估计和可视化-CSDN博客

9章6节:自身配对设计的均数比较临床试验的样本量估计和可视化-CSDN博客

9章7节:与总体均数比较的样本量估计和可视化-CSDN博客

9章8节: 两、三组试验组率比较的样本量估算和可视化-CSDN博客

9章9节:试验的随机分组认识,用R做简单随机化-CSDN博客​​​​​​​

9章10节:用R实现分层随机化-CSDN博客

9章11节:用R实现区组随机化和置换区组随机化-CSDN博客

​​

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

DAT | 数据科学和人工智能兴趣组

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值