2024.4.22认知实习

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