AI学习笔记：人工智能与机器学习概述

一、人工智能基本概念

1.1 基本概念

数据分析：对历史规律的展现、对未来数据的预测。

机器学习：机器学习是指从一系列的原始数据中找到规律，提取人们可以识别的特征，然后通过学习这些特征，最终产生一个模型。

流程：原始数据–>特征提取–>模型。机器学习偏向于算法。

人工智能：Artificial Intelligence, AI，亦称机器智能，是指利用计算机来对人的意识、思维信息过程、智能行为进行模拟（如学习、 推理、 思考、 规划等）和延伸，使计算机能实现更高层次的应用。人工智能基于机器学习偏向于应用。

数据挖掘：综合运用机器学习和人工智能技术来解决生产或生活中的问题，是一个过程，一个解决方案。

1.2 人工智能发展历程

1.3 人工智能系统技术架构

• 基础层（基础资源）：

  • 计算资源：学习数据的过程，如果资源不足将导致训练时间非常的漫长。

  • 数据资源：数据要保证可靠、充分、准确

• 技术层：算法、算法底层支撑的框架、算法运行环境、友好的建模界面

• 应用层：人工智能只是一种技术，不是一个行业，需要和各个行业进行结合，才能发挥价值。因此需要懂技术，还要懂业务。

从整个人工智能项目要经历的阶段来看

• 基础层：数据收集–>数据理解–>数据处理–>

• 技术层：特征提取–>模型构建–>模型评估–>模型训练–>

• 应用层：模型应用

1.4 人工智能应用领域

机器视觉：将被摄目标的形态信息、像素分布和亮度、颜色等信息，转变成数字化图像信号，