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,