目的:
——熟悉AI项目开发的通用流程
——掌握AI项目开发的基本技能
——具备开展AI算法基础研究是基本能力
- 机器学习项目的通用工作流程
1、定义问题:软件架构设计、确定评价指标
2、获取数据:自动化的方式
3、研究数据:可视化方式、相关性研究等
4、准备数据:数据清理、特征选择及处理
5、研究模型:确定评估方法、列出可能的模型并训练,选择最有希望的3-5个模型
6、微调模型:寻找最佳超参数、模型融合,评价泛化性能
7、展示解决方案:将工作进行文档化总结展示
8、启动、监视、维护系统:投入使用
其中5和6涉及到:
机器学习——>深度学习(scikit-learn——>keras) a、回归问题,分类问题 b、CNN,RNN,GAN c、迁移学习
如何训练模型;如何选择最佳超参数;如何评估和提升模型泛化能力;欠拟合?过拟合?
- 人工智能
人工智能无处不在,例如今日头条的新闻推荐和智能搜索排序、滴滴的智能出行自动驾驶、淘宝的个性化推荐智能物流和仓储机器人、智能的机器翻译、微软小冰的智能说话和智能助理应用、照片里的智能图像理解和智能美图等。
人工智能就是机器展现出的智能,即只要是某种机器,具有某种智能的特征或者表现,都应该算作人工智能。是研究开发用于模拟、延申和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学,包括研究机器人、语言识别、图像识别、自然语言处理和专家系统等。
人工智能的三次热潮,第一次是1962年IBM的西洋跳棋,第二次是1997年IBM Deep Blue的国际象棋,第三次是Google的alphago。
AI关键技术有知识图谱、计算机视觉、人机交互、生物特征识别、机器学习、VR/AR、自然语言处理。
- 机器学习
机器学习是让计算机具有学习能力,无需进行明确的编程。计算机利用经验E学习任务T,性能是P,针对T的P会随着经验E不断增长,则称为机器学习。
当需要进行大量手工调整或者需要拥有长串规则才能解决的问题,用机器学习;问题复杂,传统方法难以解决,用机器学习;环境有波动,机器学习算法可以适应新数据;问题复杂,数据大量用机器学习。
机器学习的“三步曲”:给定模型(函数集合)进行训练,找到最佳参数(参数不同,函数不同);欠拟合和过拟合怎么解决?;模型如何选择?
机器学习中模型的种类:监督学习、无监督学习、半监督学习、强化学习、迁移学习
- 深度学习