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。

自兴动脑人工智能课程学习笔记一：机器学习相关推荐

自兴动脑人工智能课程
04 物竞天择,优胜劣汰_遗传算法 05 物以类聚,人以群分,聚类算法之k-means 09 用高斯双边滤波实现磨皮效果 12 如何让模型更聪明 13 人工智能打造人类审美观,颜值预测器 http:/ ...
斯坦福大学CS520知识图谱系列课程学习笔记：第三讲高级的知识图谱是什么样的
这一讲的主题是:一些高级的知识图谱是什么样的.三位讲者分别从他们各自带领的团队构建出来的高质量的知识图谱实例出发,从中我们可以认识到一些大佬们构建的优秀的知识图谱产品有哪些特点和优势,从中对我们自己构 ...
斯坦福大学CS520知识图谱系列课程学习笔记：第二讲如何构建知识图谱
上一讲我们学习了知识图谱的一些基本概念: 斯坦福大学CS520知识图谱系列课程学习笔记:第一讲什么是知识图谱本节课程关于如何构建知识图谱,因为知识图谱的构建是整个知识图谱领域的一个非常核心且基础的工 ...
oracle 方泽宇_斯坦福大学CS520知识图谱系列课程学习笔记：第二讲如何构建知识图谱...
上一讲我们学习了知识图谱的一些基本概念:泽宇:斯坦福大学CS520知识图谱系列课程学习笔记:第一讲什么是知识图谱zhuanlan.zhihu.com 本节课程关于如何构建知识图谱,因为知识图谱的构建 ...
台湾大学林轩田机器学习技法课程学习笔记4 -- Soft-Margin Support Vector Machine
红色石头的个人网站:redstonewill.com 上节课我们主要介绍了Kernel SVM.先将特征转换和计算内积这两个步骤合并起来,简化计算.提高计算速度,再用Dual SVM的求解方法来解决. ...
台湾大学林轩田机器学习技法课程学习笔记1 -- Linear Support Vector Machine
红色石头的个人网站:redstonewill.com 关于台湾大学林轩田老师的<机器学习基石>课程,我们已经总结了16节课的笔记.这里附上基石第一节课的博客地址: 台湾大学林轩田机器学习基 ...
台湾大学林轩田机器学习基石课程学习笔记13 -- Hazard of Overfitting
红色石头的个人网站:redstonewill.com 上节课我们主要介绍了非线性分类模型,通过非线性变换,将非线性模型映射到另一个空间,转换为线性模型,再来进行分类,分析了非线性变换可能会使计算复杂度 ...
c语言课程笔记格式,C语言课程学习笔记.docx
C语言课程学习笔记 C语言基础语言排行榜C--java--objective-C进制:进制:进位机制.用普通的话讲,应该为人为的定义一种度量来标识一样东西.计算机常用的进制有:十进制.二进制.八进制和 ...
gram矩阵的性质_第十七课：正交矩阵和GramSchmidt正交化——MIT线性代数课程学习笔记...
公众号关注 "DL_NLP" 设为 "星标",重磅干货,第一时间送达! ◎ 原创 | 深度学习算法与自然语言处理 ◎ 作者 | 丁坤博一. 知识概要这一节 ...

自兴动脑人工智能课程学习笔记一：机器学习

自兴动脑人工智能课程学习笔记一：机器学习相关推荐

最新文章

热门文章