研一在线学习AI安全——对抗样本

本科学的物联网，主要学的还是电子硬件方面，对于AI安全是个陌生的领域，除了有点代码和算法功底。

刚开始接触AI安全确实是无从下手，所以先从b站大致了解了一遍AI。首先了解到了机器学学习的概述（其实学的偏文本，但后面才知道我是搞图像）

1、什么是机器学习？机器学习主要讲三部分，数据、模型、预测。就是说我用原有的数据去分析制作出一个能够得到一个预测结果的模型。

2、机器学习的开发流程分为这么几部分：数据获取（可以自己准备，也可以直接下载）、数据处理（如尺寸问题，归一化问题）、特征工程、模型训练、模型评估（loss）、应用

3、机器学习的常用算法：knn算法（根据邻居来确定类别）、朴素贝叶斯算法（假定特征与特征之间相互独立）、决策树（找到最高效的决策顺序——谁对我最重要）、随机森林（训练集和特征都随机）

4、线性回归的学习内容包括：线性模型、损失函数、优化损失、模型评估。了解过拟合和欠拟合

5、逻辑回归的学习内容包括：分类、输入、激活函数、损失函数、优化器、二分类的模型评估

6、对模型的加载和保存

完成了以上知识点的学习让我对机器学习有了一定的了解，那么下一个阶段是则是深度学习加代码实践。