AI人工智能入门—知识地图

---

AI知识地图： AI100问

 

人工智能、机器学习、NLP、深度学习和神经网络之间的区别

• 人工智能：建立能智能化处理事物的系统。
• 自然语言处理：建立能够理解语言的系统，人工智能的一个分支。
• 机器学习：建立能从经验中进行学习的系统，也是人工智能的一个分支。
• 神经网络：生物学启发出的人工神经元网络。
• 深度学习：在大型数据集上，建立使用深度神经网络的系统，机器学习的一个分支。

---

人工智能AI , 计算机科学的分支：

         人工智能的基本原理：机器从「特定的」大量数据中总结规律，形成某些「特定的知识」，然后将这种「知识」应用到现实场景中去解决实际问题。 人工智能几个核心领域：机器学习、深度学习、NLP等。

        将人类面对的各类现实问题转换成数学模型问题，然后再运用计算机巨大算力来演算数学模型，得出结论的过程。

---

机器学习Machine Learning（ML） , 人工智能的分支：

            机器学习研究和构建的是一种特殊算法（ 而非某一个特定的算法）， 能够让计算机自己在数据中学习从而进行预测。所以， 机器学习不是某种具体的算法，而是很多算法的统称。

---

深度学习Deep Learning(DL) , 机器学习的分支 ：

            深度学习的概念源于人工神经网络的研究，但是并不完全等于传统神经网络。 不过在叫法上，很多深度学习算法中都会包含”神经网络”这个词，比如：卷积神经网络、循环神经网络。 所以，深度学习可以说是在传统神经网络基础上的升级，约等于神经网络。

---

自然语言处理Natural Language Processing(NLP) ,人工智能的分支，包括《基于规则的语言模型》《基于机器学习语言模型》和《基于深度学习语言模型》：

        自然语言处理（NLP）就是在 机器语言和人类语言之间沟通 的桥梁，以实现人机交流的目的。 人类通过语言来交流，狗通过汪汪叫来交流。机器也有自己的交流方式，那就是 数字信息 。 NLP可分为： NLU自然语言理解 （ 自然语言理解就是希望机器像人一样，具备正常人的语言理解能力 ）和 NLG自然语言生成 （ 非语言格式的数据转换成人类可以理解的语言格式 ）。

训练方式	机器学习算法		深度学习算法		NLP的应用		文本的处理	方法、技术、算法
监督Supervised	线性回归		CNN卷积神经网络		聊天机器人		一、文本处理方法	文本预处理
监督	逻辑回归		GANS生成对抗网络		问答系统			分词
监督	线性判别分析		RL深度强化学习		情感分析/分类			标注词性
监督	决策树		RNN循环神经网络		机器翻译			实体提取NER
监督	朴素贝叶斯		LSTM长短期记忆网络		自动摘要			过滤停用词
监督	K邻近		Transformer		信息抽取NER		二、文本表示方法	人类语言转成化计算机语言，词嵌入/词向量 WordEmbeding
监督	学习向量量化		Bert		文本分类			One-hot独热编码
监督	支持向量机		GPT					count verctor/TF（计数向量）
监督	随机森林		XL-NET等					TF-IDF 向量化
监督	AdaBoost							Embedding词向量：word2vec是主流的实现方法，另一种是Glove
非监督Unsupervised	高斯混合模型						三、语言模型
非监督	限制玻尔兹曼机						基于规则	专家系统，波特词干
非监督	K-means聚类						基于机器学习应用 或称统计学习方法	隐马尔可夫模型HMM，感知机，条件随机场CRF,朴素贝叶斯，支持向量机SVM
非监督	最大期望算法						基于深度学习应用	RNN,LSTM,word2vec, Transformer,Bert，GPT.....
强化学习

 

深度学习的一些模型地图

 

需要掌握的知识点地图