当前位置:首页|资讯|编程|人工智能

编程和数学基础不佳如何入门人工智能?

作者:程序员曾曾发布时间:2023-08-16



给大家分享一些干货资料,希望能够帮到你们,需要的请自取。


获取通道如下

以上教程已经打包完毕,希望对你们学习有帮助!

文中所展示内容获取方式:

1.一键三连+关注(重点)

2.后台主动留下痕迹:“学习”  i


一、人工智能的发展现状

1.1 概念

根据维基百科的解释,人工智能是被机器展示的智力,与人类和其他动物的自然智能相反,在计算机科学中 AI 研究被定义为 “代理人软件程序”:任何能够感受周围环境并且能最大化它成功机会的设备。


在这里给大家准备了一些AI人工智能入门学习视频教程及相关电子书籍,


以上教程已经打包完毕,希望对你们学习有帮助!

文中所展示内容获取方式:

1.一键三连+关注(重点)

2.后台主动留下痕迹:“学习”  i



二、人工智能、深度学习、机器学习、增强学习之间的关系是怎样的


如图所示,人工智能是一个大类,包括专家系统、知识表示、机器学习等等,其中机器学习是目前最火也是发展最好的一个分支,机器学习中又包括监督学习、非监督学习、深度学习,增强学习等等。

监督学习 ,就是人们常说的分类,通过已有的训练样本(即已知数据以及其对应的输出)去训练得到一个最优模型(这个模型属于某个函数的集合,最优则表示在某个评价准则下是最佳的)。

再利用这个模型将所有的输入映射为相应的输出,对输出进行简单的判断从而实现分类的目的,也就具有了对未知数据进行分类的能力。


举例来说,我们上幼儿园的时候经常做的一个活动叫 看图识字 ,如上图所示,老师会给我们看很多图片,下面配了文字,时间长了之后,我们大脑中会形成抽象的概念,两个犄角,一条短尾巴,胖胖的(特征)…

这样的动物是牛;圆的,黄的,发光的,挂在天上的 … 是太阳;人长这样。等再看到类似的东西时我们便能认出来,即使跟以前看到的不完全一样,但是符合在我们大脑中形成的概念,如下图所示。


非监督学学习 则是另一种研究的比较多的学习方法,它与监督学习的不同之处,在于我们事先没有任何训练样本,而需要直接对数据进行建模。

举个例子,如图所示,在没有任何提示(无训练集)的情况下,需要把下列六个图形分成两类,你会怎么分呢,当然是第一排一类,第二排一类,因为第一排形状更接近,第二排形状更接近。

非监督学习就是在实现不知道数据集分类的情况下在数据中寻找特征。


深度学习 是基于机器学习延伸出来的一个新的领域,由以人大脑结构为启发的神经网络算法为起源加之模型结构深度的增加发展,并伴随大数据和计算能力的提高而产生的一系列新的算法。

深度学习概念由著名科学家 Geoffrey Hinton 等人在 2006 年和 2007 年在《Sciences》等上发表的文章被提出和兴起。


深度学习,作为机器学习中延伸出来的一个领域,被应用在图像处理与计算机视觉,自然语言处理以及语音识别等领域。


自 2006 年至今,学术界和工业界合作在深度学习方面的研究与应用在以上领域取得了突破性的进展。以 ImageNet 为数据库的经典图像中的物体识别竞赛为例,击败了所有传统算法,取得了前所未有的精确度。

增强学习 也是机器学习一个重要的分支,是通过观察来学习做成如何的动作。每个动作都会对环境有所影响,学习对象根据观察到的周围环境的反馈来做出判断。

三、数学基础有多重要

对于数学基础知识,需要高中数学知识加上高数、线性代数、统计学、概率论,即使掌握的不是很完善,但是至少要知道概念,在用到的时候知道去哪查。


四、入门级机器学习算法

4.1 决策树

判定树是一个类似于流程图的树结构:其中,每个内部结点表示在一个属性上的测试,每个分支代表一个属性输出,而每个树叶结点代表类或类分布。树的最顶层是根结点。


4.2 最临近取样

最临近取样就是把已有数据分成几类,对新输入的数据计算与已知数据的距离,距离哪一个近,就把新数据分到哪一类,例如下图所示的电影分类,对于最后一行未知电影类型的电影,根据打斗次数和接吻次数,距离浪漫型更近,应该被归类为浪漫型电影。


4.3 支持向量机

支持向量机(SVM)是从线性可分情况下的最优分类面发展而来。最优分类面就是要求分类线不但能将两类正确分开 (训练错误率为 0), 且使分类间隔最大。

SVM 考虑寻找一个满足分类要求的超平面 , 并且使训练集中的点距离分类面尽可能的远 , 也就是寻找一个分类面使它两侧的空白区域 (margin) 最大。

这两类样本中离分类面最近的点且平行于最优分类面的超平面上 H1,H2 的训练样本就叫做支持向量。


五、书单推荐

  • 《数学之美》吴军

  • 《机器学习》 周志华

  • 《漫谈人工智能》 集智俱乐部

  • 《机器学习实战》 Peter Harrington

  • 《TensorFlow 技术解析与实战》 李嘉璇

  • 《统计学习方法》 李航

给大家分享一些干货资料,希望能够帮到你们,需要的请自取。


获取通道如下

以上教程已经打包完毕,希望对你们学习有帮助!

文中所展示内容获取方式:

1.一键三连+关注(重点)

2.后台主动留下痕迹:“学习”  i



好啦,今天的分享就到这里啦,动动手指点个关注吧!每天不定时分享计算机编程干货资料。



Copyright © 2024 aigcdaily.cn  北京智识时代科技有限公司  版权所有  京ICP备2023006237号-1