自兴动脑人工智能课程学习笔记一:机器学习

一、人工智能时代首选python语言

(1)Python是人工智能和数据科学领域的主流语言,快速、高效、实用。Python常用的工具库Pandas、Numpy、Matplotlib、Scikit-learn,Numpy专门做矩阵运算、Pandas专门做数据分析处理展示、Matplotlib数据可视化,这三个库一定要体现在简历上。

(2)Jupyter notebook可以边做笔记,边写代码,嵌入图片,显示中间结果,编写公式,支持markdown语法

二、人工智能的核心:机器学习

(1)人工智能的基础与核心是机器学习,数据分析与数据挖掘工作,就是利用机器学习算法进行建模。机器学习就是给出数据和算法,对机器进行训练,机器靠模仿做事情。机器学习需要什么:算法、数据、程序、评估、应用。大数据、机器性能提升促进人工智能领域高速发展。

(2)怎样理解机器学习?机器学习好比人的学习。

教材---------数据

教材的知识点和题目----------------特征数据

教材的答案---------------标签数据

学习方法---------------------机器学习算法

考试测试-----------------------机器学习评估

上面介绍的是有监督学习,有标准答案;而无监督学习更像是一种开放式的命题,没有标准答案。

(3)机器学习分两个阶段:训练阶段和测试阶段。训练阶段(学习阶段)需要有特征数据(题目)和标签数据(答案)。测试阶段(考试阶段)需要输入新的特征数据(新的题目),让机器预测出标签(机器给出的答案),然后与真实标签(标准答案)对比。一般将数据的80%作为训练集,20%作为测试集。

(4)以猫狗的图片识别为例,黑白图像在计算机中是一个二维矩阵,彩色图像是一个三维矩阵。对于黑白图像而言,特征数据————图像上的像素点(像素值越大越亮),标签数据————猫或者狗,机器学习算法————支持向量机、逻辑回归等。机器学习相当于通过对大量的特征数据和标签数据进行训练,找出特征与标签之间的对应关系f。

(5)至于什么是机器学习,简单来说,机器学习是研究如何使用机器来模拟人类学习活动的一门学科,说的更深一点,机器学习通过经验提高系统自身性能的过程(系统自我改进)。稍微严格的提法是,机器学习是研究机器获取新知识和新技能并识别现有知识的学问。

(6)机器学习能做什么?机器学习在数据挖掘、图像识别、语音和自然语言处理有广泛应用。

(7)机器学习的流程:训练样本(已有数据,或是爬虫获取)、特征提取(特征工程)、学习函数、预测。

三、机器学习怎么学

1.包含了数学原理推导和实际应用技巧,如果不知道数学原理,一是面试被动,二是调参困难。

2.经典算法的推导和应用。

3.数学重要,边学边查

资源:github,kaggle

积累案例,模仿别人好的案例。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值