目录
About人工智能
人工智能三大要素
- 算法Algorithm
- 算法是人类共有的精神财产,通用算法都是开源和免费的
- 数据Data
- 数据是核心的资产,直接决定项目的成败
- 数据是最重要的
- 算力computation
- 高性能计算平台:CPU+GPU
人工智能的场景
脱离行业(业务场景)空谈技术,啥用都没
- 技术+行业
Python-补充数的类型
复数complex
复数= 实部real + 虚部imag*j
a = 1 + 2j
python库中的数学库
math:实数的数学库,不适用于复数
cmath:复数的数学库
import cmath
s = cmath.sqrt(-1)
print(s)
Out: 1j
复数的应用场景:
1.矩阵特征分解
2.傅里叶变换
c1= 2 + 3j
c1.real#求实部
c1.imag#求虚部
c1.conjugate()#求共轭
cmath.phase(c1)#弧度制(向量夹角)
abs(c1)#复数的模长
#numpy-弧度转换
import numpy as np#调包
np.rad2deg(cmath.phase(c1))
矩阵
没错,这里的矩阵就是熟悉的线性代数中的多维数组
#定义一个矩阵
import numpy as py
A = np.array([[1,2,3],[4,5,6],[7,8,9]])
print(A)
out:
array([[1, 2, 3],
[4, 5, 6],
[7, 8, 9]])
矩阵特征分解
矩阵的特征分解
import numpy as np
A = np.array([[1,2,3],[4,5,6],[7,8,9]])
np.linalg.eig(A)
out:
(array([ 1.61168440e+01, -1.11684397e+00, -1.30367773e-15]),
array([[-0.23197069, -0.78583024, 0.40824829],
[-0.52532209, -0.08675134, -0.81649658],
[-0.8186735 , 0.61232756, 0.40824829]]))
多条件融合问题
1.逻辑与 并且 and
2.逻辑或 或者 or
3.逻辑非 取反 not
a = 1
b = 2
c = 3
# 以b作为本体,对其他进行判断
a<b<c
# 可读性不高,不建议大家这样来写
a<c>b
贝尔运算
那些常用的结果为False:
1.整数为0
2.浮点数0.0
3.空串''
4.各种空的容器
遍历
句式: for .. in ..
s1 = "乾坤未定,你我皆是黑马"
for item in s1: #用for进行遍历
print(