机器学习Machine Learning(ML)
机器学习是实现人工智能的一种途径,是人工智能的核心,让计算机了解智能的根本途径。机器自动学习,不是人为规则编程。
应用领域:图像识别、无人驾驶、智能翻译、医疗智能诊断、数据挖掘。
计算机视觉cv对人看到的东西进行理解、自然语言处理:对人交流的东西进行理解、数据挖掘和数据分析。
人工智能 Artificial Intelligence (AI)
仿智,使用计算机来模拟或者代替人类
2人工智能发展史
•1956年人工智能元年
•2012年计算机视觉深度神经网络方法研究兴起
•2017年自然语言处理应用大幕拉开
•2022年chatGPT的出现,引起AIGC的发展
人工智能发展要素:数据、算法、算力
•CPU:主要适合I\O密集型的任务
•GPU:主要适合计算密集型任务
•TPU:专门针对大型网络训练而设计的一款处理器
深度学习•Deep Learning(DL)
深度学习是机器学习的一种方法
大脑仿生,设计一层一层的神经元模拟万事万物
4AI、ML、DL三者之间的关系
•机器学习是实现人工智能的一种途径
•深度学习是机器学习的一种方法发展而来的5算法的学习方式有哪两种?
•基于规则的学习
•基于模型的学习
◆机器学习算法分类:
有监督学习:◆定义:输入数据是由输入特征值和目标值所组成,即输入的训练数据有标签的◆数据集:需要标注数据的标签/目标值。
无监督学习定义:输入数据没有被标记,即样本数据类别未知,没有标签,根据样本间的相似性,对样本集聚类,以发现事物内部结构及相互关系。
半监督:工作原理:1让专家标注少量数据,利用已经标记的数据(也就是带有类标签)训练出一个模型2再利用该模型去套用未标记的数据3通过询问领域专家分类结果与模型分类结果做对比。
强化学习:机器学习的一个重要分支2应用场景:里程碑AlphaGo围棋、各类游戏、对抗比赛、无人驾驶场景。
机器学习建模的一般步骤:
1.获取数据
2.数据基本处理
3.特征工程
4.机器学习
5.模型评估