【AI】人工智能导论 小白零基础入门学习

Q1：我为什么开始学习AI？------------------- A1：虽然我目前在做苹果物联网的项目，但面临GTP-4的面世，深感人工智能是未来的发展趋势，如果不学习就会被淘汰，所以先提前布局，了解学习AI，紧跟时代潮流。 Q2：本文主要讲述了什么？------------------- A2：本文主要记载在阅读两本人工智能入门书籍时的学习笔记与思考扩展：中国人工智能学会出版的《人工智能导论》李德毅，于剑版本、高等教育出版社的《人工智能导论》 王万良版本

学习AI，算法是核心重点。 我国早在2017年就将人工智能发展上升到国家战略层面，把人工智能定为新的重要经济增长点让人工智能成为我国产业升级和经济转型的主要动力立志打造智能制造、智慧城市、智慧金融、智慧农业等，使得智能社会建设取得积极进展。

按照互联网的发展趋势从前后端到，移动端开发，再到大数据，云计算，目前来到了人工智能阶段。人工智能时代是发展的必然。

Q1:人工智能主要解决什么问题？------------------- A1:挖掘数据蕴含的规律。 Q2:大数据和人工智能的关系？------------------- A2:大数据专注于已有数据的存储和计算，生成分析报表；而人工智能专注于利用已有数据挖掘规律，对未来进行预测。

人工智能其实类似于拟人 常见流程

数据预处理 -> 算法求解 -> 模型评估 -> 模型上线

算法工程师的核心任务是生成可以预测准确的模型

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 有监督学习（带标签）

无监督学习（不带标签）

不同的学习方式对比差异如下表：

在机器学习中，比如SVM知识向量积，神经网络（NN），贝叶斯，概率图模型，线性回归，逻辑回归，Lasso，Boosting，Bagging等来实现算法 通过多次实验发现使用神经网络的正确率会更高。深度学习（deepLearning）就是基于神经网络（NN）而来.

1997 深南战胜国际象棋冠军 2011 siri诞生 2012 深度学习开始（图像识别等） 2017 阿尔法狗

深度学习相当包含机器学习的人为特征提取预处理

人工智能按照学习方式可以划分为：有监督学习、无监督学习、半监督学习、强化学习。

深度学习相比机器学习的优势

1. 可以解决更复杂的问题
2. 是更端到端的学习方式
3. 可以学习如何更好提取特征

---

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

即有x，y。 y是在负无穷到正无穷大的取值范围，并且需要是连续的数据

本质：找到分界（线），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

---

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

本质：去掉冗余信息量或噪声

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

只有x，没有y

机器学习的无监督学习和有监督学习的任务本质：

• 回归任务的本质是拟合

• 分类任务的本质是找到分界

• 聚类任务的本质是分组

• 降维任务的本质是去掉数据冗余