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。