人工智能
亦称机器智能,指由人制造出来的机器表现出来的智能。人工智能的核心问题包括构建能够和人类相似甚至超越的推理、知识、规划、学习、交流、感知、移物、使用工具和操控机械等的能力。就其本质而言,是机器对人的思维或者行为过程的模拟,让它能够像人类一样思考或行动。
人工智能实现方法
符号学习:
基于逻辑与规则的学习方法,其原理主要为物理符号系统(即符号操作系统)假设和有限合理性原理。
例:专家系统。根据既定的逻辑和顺序告诉机器接下来做什么,遵循if…then…原则。
缺点:不能根据新场景动态地优化认知(不能自动升级模型)
机器学习:(实现人工智能的主流方法)
从数据中寻找规律、建立关系,根据建立的关系去解决问题的方法。
优点:从数据中学习并且实现自我优化与升级,数据驱动。
应用场景:数据挖掘、计算机视觉、自然语言处理、证券分析、医学诊断、机器人、DNA测序等…
机器学习是一种实现人工智能的方法,深度学习是一种实现机器学习的技术。
人工智能>机器学习>深度学习
常用工具包
matplotlib:绘图
pandas:数据导入、导出、索引
Numpy:数组运算
机器学习的基本框架
将训练数据喂给计算机,计算机自动求解数据关系,在新的数据上做出预测或给出建议。
机器学习分类
监督学习(Supervised Learning)
训练数据包括正确结果(标签-Label)
人脸识别、语言翻译、医学诊断…
- 线性回归
- 逻辑回归
- 决策树
- 神经网络、卷积神经网络
- 循环神经网络
无监督学习(Unsupervised Learning)
训练数据不包括正确结果
新闻聚类…
- 聚类算法
半监督学习(Semi-supervised Learning)(混合学习)
训练数据包括少量正确结果
强化学习(Reinforcement Learning)
根据每次结果收获的奖惩进行学习,实现优化
AlphaGo…