非零基础自学人工智能 1 人工智能基础 - 快速入门 1.2 机器学习和深度学习、有监督和无监督

た入场券 2024-03-22 14:08 59阅读 0赞

### 非零基础自学人工智能 ###

#### 文章目录 ####

*   *  非零基础自学人工智能
     *   *  1 人工智能基础 - 快速入门
         *   *  1.2 机器学习和深度学习、有监督和无监督
             *   *  1.2.1 人工智能常见流程
                 *   *  人工智能是拟人
                     *  总结常见流程
                     *  算法与模型本质
                 *  1.2.2 机器学习不同的学习方式
                 *   *  人工智能基本概念
                     *  不同的学习方式
                 *  1.2.3 深度学习比传统机器学习有优势
                 *   *  不同的发展阶段
                 *  1.2.4 有监督机器学习任务与本质
                 *   *  人工智能任务的本质
                     *  回归
                     *  分类
                 *  1.2.5 无监督机器学习任务与本质
                 *   *  聚类
                     *  降维

![在这里插入图片描述][6cbd5330cbdb4429921e88fd81e2befa.png_pic_center]

#### 1 人工智能基础 - 快速入门 ####

##### 1.2 机器学习和深度学习、有监督和无监督 #####

###### 1.2.1 人工智能常见流程 ######

![在这里插入图片描述][eaa5a4a1ba0f41f3bba250f24ced96be.png_pic_center]

###### 人工智能是拟人 ######

![在这里插入图片描述][9b353aa82b2345dda3d116d5aa5e1cd0.png_pic_center]

*  如果拿到一年的约会记录，是不是可以猜得更准
 *  这就是数据为王

![在这里插入图片描述][0b4a4c5d52644d86926c2551bf6a888d.png_pic_center]

<table> 
 <thead> 
  <tr> 
   <th align="center">机器</th> 
   <th align="center">人</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td align="center">数据</td> 
   <td align="center">经验</td> 
  </tr> 
  <tr> 
   <td align="center">模型</td> 
   <td align="center">迟到的规律</td> 
  </tr> 
  <tr> 
   <td align="center">利用模型预测未来</td> 
   <td align="center">是否迟到</td> 
  </tr> 
 </tbody> 
</table>

###### 总结常见流程 ######

![在这里插入图片描述][2b184808a0fd4ecda3525846fcef2b87.png_pic_center]

###### 算法与模型本质 ######

<table> 
 <thead> 
  <tr> 
   <th align="center">阶段</th> 
   <th align="center">白话</th> 
   <th align="center">本质</th> 
   <th align="center">掌握</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td align="center">数据</td> 
   <td align="center">学什么</td> 
   <td align="center">X y</td> 
   <td align="center">数据预处理、特征工程</td> 
  </tr> 
  <tr> 
   <td align="center">算法</td> 
   <td align="center">怎么学</td> 
   <td align="center">公式、网络拓扑结构</td> 
   <td align="center">机器学习、深度学习等算法</td> 
  </tr> 
  <tr> 
   <td align="center">模型</td> 
   <td align="center">学到的规律</td> 
   <td align="center">参数</td> 
   <td align="center">各种最优化算法、模型的评估</td> 
  </tr> 
  <tr> 
   <td align="center">预测</td> 
   <td align="center">学以致用</td> 
   <td align="center">传入新的X，计算新的y</td> 
   <td align="center">模型压缩、模型上线</td> 
  </tr> 
 </tbody> 
</table>

【算法工程师】

*  核心任务是生成可以预测准确的模型
 *  具备相关的代码能力

###### 1.2.2 机器学习不同的学习方式 ######

###### 人工智能基本概念 ######

人工智能、机器学习、深度学习、强化学习

【机器学习】顾名思义，让机器可以像人一样具备学习的能力

![在这里插入图片描述][d03592f91bcc4774b310a979e4f8fe52.png_pic_center]

###### 不同的学习方式 ######

![在这里插入图片描述][44b4fe611ada4e818fc472e28176f2b8.png_pic_center]

![在这里插入图片描述][a73142a31fbd492abcd285246ecf34fa.png_pic_center]

![在这里插入图片描述][abc7f3656ce64475a4dbe3fa438a8eb9.png_pic_center]

监督学习 VS 无监督学习

![在这里插入图片描述][ee4fc901ae2b4346b9077ebf1b43f250.png_pic_center]

强化学习

![在这里插入图片描述][99352c87b0104adbaba1e70079c297f9.png_pic_center]

智能体与环境进行交互，不断学习

###### 1.2.3 深度学习比传统机器学习有优势 ######

###### 不同的发展阶段 ######

![在这里插入图片描述][d8f83b54eae445ea8e8991bfd94135ee.png_pic_center]

![在这里插入图片描述][24f531508f8f4352aa216bbeab9f3608.png_pic_center]

神经网络up up

![在这里插入图片描述][e355f161ac1f41609f219430858d4f1d.png_pic_center]

![在这里插入图片描述][1e95bdbca24448b2bf4630699821d333.png_pic_center]

【AI 时间线】

![在这里插入图片描述][55b45e2881e741bbaafd507e89fda998.png_pic_center]

![在这里插入图片描述][8f8ef0600d6443b29ffe4ebd3ed691f7.png_pic_center]

![在这里插入图片描述][32d8dd7d711747b5bf2677709d49cf04.png_pic_center]

###### 1.2.4 有监督机器学习任务与本质 ######

###### 人工智能任务的本质 ######

![在这里插入图片描述][80ad798c7c644950a27221ad76ffed44.png_pic_center]

有监督 vs 无监督

![在这里插入图片描述][dc3eeab7ed1a4fbd8ebf894a343dff53.png_pic_center]

###### 回归 ######

*  本质：拟合历史已有的数据，根据拟合出来的函数走势预测未来
 *  目标：预测 -inf 到 +inf 之间具体的值，连续值
 *  应用：股票预测、房价预测

![在这里插入图片描述][1df1c2ca9e1b4d11bb040f58bbc28132.png_pic_center]

###### 分类 ######

*  本质：找到分界、根据分界对新来的数据进行分类
 *  目标：对新的数据预测出属于各个类别的概率，正确的类别概率越大越好，最后通过选择概率最大的类别为最终类别，类别号是离散值。
 *  应用：图像识别、情感分析、银行风控

![在这里插入图片描述][55619b6e395a4c51ad49ccaeb0f3358f.png_pic_center]

###### 1.2.5 无监督机器学习任务与本质 ######

###### 聚类 ######

*  本质：根据样本和样本之间的相似度归堆
 *  目标：将一批数据划分到多个组
 *  应用：用户分组、异常检测、前景背景分离

![在这里插入图片描述][855243b2f45d4391a4b37511f5d63e58.png_pic_center]

###### 降维 ######

*  本质：去除冗余信息量和噪声
 *  目标：将数据的维度减少
 *  应用：数据的预处理、可视化、提高模型计算速度

![在这里插入图片描述][59c916d06cbb406c95a7ae75dac1a3eb.png_pic_center]

> 目标检测任务的需求是打框和识别，转换成人工智能任务就是 回归 + 分类

[6cbd5330cbdb4429921e88fd81e2befa.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/14be4dcd8855405f8b95fcb4eaabfb06.png
[eaa5a4a1ba0f41f3bba250f24ced96be.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/2b4adf4bc7ca4c46bcfb2f1f525a01c9.png
[9b353aa82b2345dda3d116d5aa5e1cd0.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/ba237a96e9b043f29ccb603cf8cd2a36.png
[0b4a4c5d52644d86926c2551bf6a888d.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/4ed4a69a49184a6eb2ee3e21a5b0ef06.png
[2b184808a0fd4ecda3525846fcef2b87.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/63490153a63644bab1ea9f596f4ef57e.png
[d03592f91bcc4774b310a979e4f8fe52.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/a93bdc518e884cb78fc00a54baa0488f.png
[44b4fe611ada4e818fc472e28176f2b8.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/d04617adf0c44a1eb6d732527f465d2b.png
[a73142a31fbd492abcd285246ecf34fa.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/8ff879fa88fe4b57a29a54b60e0e0265.png
[abc7f3656ce64475a4dbe3fa438a8eb9.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/0cb42a112bdd4f19ac8d4b21067085be.png
[ee4fc901ae2b4346b9077ebf1b43f250.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/87060ee36971467cb1fdce6425b54524.png
[99352c87b0104adbaba1e70079c297f9.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/399b075942cb4d30a5381f2d0caf00e4.png
[d8f83b54eae445ea8e8991bfd94135ee.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/978b6239abb04ac3a34f35c6f0ec5c25.png
[24f531508f8f4352aa216bbeab9f3608.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/abd100e07eb14a74b373075a24a919e7.png
[e355f161ac1f41609f219430858d4f1d.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/8dec9cd73a9c4d07a17e6767970b22f1.png
[1e95bdbca24448b2bf4630699821d333.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/1254b7c73cda40979c9a7c0b09ac2346.png
[55b45e2881e741bbaafd507e89fda998.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/91a1ccfb62c14de09ccf2112a925dbf3.png
[8f8ef0600d6443b29ffe4ebd3ed691f7.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/709e012334c94a82ab83581da9f344a8.png
[32d8dd7d711747b5bf2677709d49cf04.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/194dfc84e9f74b9a9388ed35d4973956.png
[80ad798c7c644950a27221ad76ffed44.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/891e18979b404f97b765f7743164d82a.png
[dc3eeab7ed1a4fbd8ebf894a343dff53.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/4f3e0cedcb03477598acf1cd4b6a55b6.png
[1df1c2ca9e1b4d11bb040f58bbc28132.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/04a2e20f914e4c32b202639a4792526f.png
[55619b6e395a4c51ad49ccaeb0f3358f.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/b0c54b7f842441549df1cf17a4fda2ac.png
[855243b2f45d4391a4b37511f5d63e58.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/0efe32ced4134f5ebfe0c7d5bb9f57f0.png
[59c916d06cbb406c95a7ae75dac1a3eb.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/208e30a07b154269bed157e63813d31d.png