人工智能講座復旦

人人工智能前沿講計計算機學院，復旦 人工智能歷人工智能基人工智能進人工智能案例分基于LBS大數(shù)據(jù)的醫(yī)院了解大數(shù)據(jù)中的人工智能/機器學習基本理 工智能/機器學習領域 進思考人工智能的發(fā)展趨1會議/ /書工具/總總統(tǒng)競案例RaydMasterCMU2001MentoromResearchdirectorComputationnstituteUniversityo競選團隊首席科學家競選團隊首席科學家 亮點歷史競選數(shù)據(jù)/每天66000 針對搖擺州 推薦在社交網(wǎng)絡下的互動時間回自然科學基金(NSF)投資2 用于大數(shù)““hedigitaluniversein2020”haloglobalbigdatawassurveillance in2012andtheerceaessetocreaseo65ercety20152020的數(shù)字宇宙：全球大數(shù)據(jù)的一半在21將是視頻 ，到205年將增加到65。2搜搜索引Googe(foundedatSep4,(Jan(Jan1,網(wǎng)網(wǎng)絡網(wǎng)絡服務和信息規(guī)模 性增社:1.35bonmonthyactveTwtter:morethan100monsofWebo:5003 qVolume(大體量)qVariety(多樣性)qVelocity(時效性)qVeracity(準確性)qValue(大價值)理重要 理信信人智能人智能/航空航天局 的科學家在《Scence 個過程正起到越來越大的支持作用，……，該領域在今后的干年內將取得穩(wěn)定而快速的發(fā)展[E.Mjosness&D.DesCoste,Science01]4重重要性（續(xù)人工智能中最活躍、應用潛力最明顯的領域（之[TGDietterichAIMag、歐洲各國都投入了大量人力大型公司如波音、微軟、通用電器等都有研究2003，DARPA以機器學習 的PAL計劃MachneLearnngDepartmentCarnegeMeonUnversty，20072010機器學習若干關鍵問題研究 人人工智能發(fā)展人人工智能基礎5基基本概變量屬性變變量/特征類連續(xù)變{溫度濕度離散變名義(范疇)變 女性}{棕色，褐色，咖啡色，紅色有序變量序關系明{低、中、高}{小學，中學，高中區(qū)間亦[0708[$90000$95屬屬性/特6屬性/特屬性/特7n1Dn1DM(Xi,Xj)= (X!i=1度標準Standard度標準Standard FeatureX0歐氏距馬氏距22D(D(Xi,Xj)=kX Xjk2 (Xt—XXXj)C1(X Xj12CCn(X μ)(X 機機器學基本范監(jiān)督學習： 數(shù)非監(jiān)督學習： 數(shù)半監(jiān)督學習：兩者均增強學習：通過與環(huán)境交互學預測：從數(shù)據(jù)中預測未知分類： 分配至預定義的聚類：按成組的相似性聚關聯(lián)規(guī)則：啤酒與尿81NN1評1NN1評 誤精度Precs 率ROC(受試者工作特征曲線AUC面假陽性(Fasepostve)/TruePostsign(yi f(xi))nMSE基本學曲面(擬合)回 聚 。。。。MSMSEnf(xi))29ROCandROCand模型選模型選過擬合現(xiàn)過擬合現(xiàn)方差引起的誤差在給定數(shù)據(jù)點前提下，模型預測的方差引起的誤差在給定數(shù)據(jù)點前提下，模型預測的可變偏差-方差分偏差引起的誤差模型期望預測與試圖預測的正確值之間的差Err(x)=Bias2+Variance+IrreducibleError ei Err(x)=E[( f?(x))2?Err(x)=E[f(?x)]f(x)+Ef(?x)E[f(?x)]偏差方差折Y=f(x)+ ??N(0,偏差方差偏差方差折模模型復雜模模型復雜性/模型選min(Lossfunction ·Model剃刀原理/Occam’sRazorprncpenttesmustnotbemutpedbeyondnecess簡單更參數(shù)復min(Lossfunction (Parameter))編碼復雜VC復雜交交叉驗證和留一2—2—( μ)數(shù)