Tensorflow学习笔记1——人工智能概述_机器学习的步骤一般是:先用以往数据模型;再用模型新数据的结果。-CSDN博客

本文链接：https://blog.csdn.net/weixin_43903564/article/details/99854497

第一讲人工智能概述

机器模拟人的意识和思维。

机器学习是一种统计学方法，计算机利用已有的数据得出某种模型，再利用此模型预测结果。（随经验增加，效果更好）要先用以往数据训练模型，再用模型预测新数据的结果。
机器学习是实现人工智能的一种方法，是人工智能的子集。
在这里插入图片描述
机器学习的三要素：数据算法算力

深度学习是深层次神经网络，是机器学习的一种实现方法，是机器学习的子集。（类脑芯片！）
神经元模型：

输入->树突输出->轴突计算->细胞核
神经网络发展历程（三起两落）

在这里插入图片描述

对连续数据的预测
对于离散数据的归类
应用领域：计算机视觉语音识别自然语言处理

机器学习，就是在任务T上，随经验E的层架，效果P随之增加。
机器学习的过程是通过大量数据输入生成一个模型，再利用这个生成的模型，实现对结果的预测。
庞大的神经网络是基于神经元结构的，是输入乘以权重再求和，再过非线性函数的过程。

	VMware® Workstation 14 Pro：14.1.3 build-9474260
	Ubuntu：7.4.0-1ubuntu1~18.04.1
	python：2.7
	TensorFlow：1.3.0