Python機(jī)器學(xué)習(xí)與項目實(shí)踐- 課件 chap1-緒論

第1章緒論《Python機(jī)器學(xué)習(xí)與項目實(shí)踐》XXX大學(xué)更詳細(xì)的課程概括1.緒論2.機(jī)器學(xué)習(xí)基礎(chǔ)概述3.經(jīng)典線性模型4.前饋神經(jīng)網(wǎng)絡(luò)5.卷積神經(jīng)網(wǎng)絡(luò)6.循環(huán)神經(jīng)網(wǎng)絡(luò)7.圖神經(jīng)網(wǎng)絡(luò)8.機(jī)器學(xué)習(xí)模型的應(yīng)用課程大綱預(yù)備知識線性代數(shù)微積分?jǐn)?shù)學(xué)優(yōu)化概率論信息論1.1引言人工智能（artificialintelligence，AI）就是讓機(jī)器具有人類的智能?！坝嬎銠C(jī)控制”+“智能行為”人工智能這個學(xué)科的誕生有著明確的標(biāo)志性事件，就是1956年的達(dá)特茅斯（Dartmouth）會議。在這次會議上，“人工智能”被提出并作為本研究領(lǐng)域的名稱。人工智能就是要讓機(jī)器的行為看起來就像是人所表現(xiàn)出的智能行為一樣。JohnMcCarthy（1927-2011）1.1引言人工智能的一個子領(lǐng)域機(jī)器學(xué)習(xí)：是一種通過數(shù)學(xué)模型和算法從觀測數(shù)據(jù)中學(xué)習(xí)規(guī)律的方法。神經(jīng)網(wǎng)絡(luò)：是一種以（人工）神經(jīng)元為基本單元的模型深度學(xué)習(xí)：是一類機(jī)器學(xué)習(xí)問題，主要解決貢獻(xiàn)度分配問題。圖靈測試AlanTuring“一個人在不接觸對方的情況下，通過一種特殊的方式，和對方進(jìn)行一系列的問答。如果在相當(dāng)長時間內(nèi)，他無法根據(jù)這些問題判斷對方是人還是計算機(jī)，那么就可以認(rèn)為這個計算機(jī)是智能的”。---AlanTuring[1950]《ComputingMachineryandIntelligence》人工智能的研究領(lǐng)域讓機(jī)器具有人類的智能機(jī)器感知（計算機(jī)視覺、語音信息處理）學(xué)習(xí)（模式識別、機(jī)器學(xué)習(xí)、強(qiáng)化學(xué)習(xí)）語言（自然語言處理）記憶（知識表示）決策（規(guī)劃、數(shù)據(jù)挖掘）發(fā)展歷史如何開發(fā)一個人工智能系統(tǒng)？開發(fā)人工智能系統(tǒng)的過程通常包括以下步驟：確定目標(biāo)、收集和準(zhǔn)備數(shù)據(jù)、選擇和訓(xùn)練模型、測試和調(diào)整模odel、部署和監(jiān)控。確定AI系統(tǒng)的目標(biāo)是一個至關(guān)重要的步驟，因?yàn)樗苯佑绊懙较到y(tǒng)設(shè)計和實(shí)施的方法。數(shù)據(jù)是訓(xùn)練AI系統(tǒng)的基礎(chǔ)。你需要收集大量的數(shù)據(jù)，這些數(shù)據(jù)能夠反映出你希望系統(tǒng)學(xué)習(xí)的模式和關(guān)系。數(shù)據(jù)的質(zhì)量和數(shù)量直接影響到AI系統(tǒng)的性能。在收集和準(zhǔn)備了數(shù)據(jù)之后，你需要選擇一個適合你的任務(wù)的AI模型，并用你的數(shù)據(jù)來訓(xùn)練它。AI模型的選擇取決于你的任務(wù)類型，例如，如果你的任務(wù)是圖像識別，你可能會選擇卷積神經(jīng)網(wǎng)絡(luò)（CNN）模型；如果你的任務(wù)是文本處理，你可能會選擇循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）模型在模型訓(xùn)練完成后，你需要在測試集上測試模型的性能，看看模型是否能夠很好地泛化到未見過的數(shù)據(jù)。你可能需要調(diào)整模型的參數(shù)，或者嘗試不同的模型，以達(dá)到最佳的性能。最后，你需要將訓(xùn)練好的AI系統(tǒng)部署到實(shí)際的環(huán)境中，看看它在實(shí)際的任務(wù)中是否能夠達(dá)到預(yù)期的效果。你需要對系統(tǒng)的性能進(jìn)行持續(xù)的監(jiān)控和調(diào)整，以確保系統(tǒng)的穩(wěn)定性和效果。規(guī)則?機(jī)器學(xué)習(xí)機(jī)器學(xué)習(xí)≈構(gòu)建一個映射函數(shù)語音識別圖像識別圍棋機(jī)器翻譯“9”“你好”“6-5”“Hello!”“你好！”(落子位置)芒果解釋機(jī)器學(xué)習(xí)如果判斷芒果是否甜蜜？某天你去買芒果。你挑選后，小販會稱重，你需要根據(jù)根據(jù)重量乘以標(biāo)記的固定單價來付錢。毋庸置疑，你會選擇那些最甜、最熟的芒果（因?yàn)槭前粗亓坑嬞M(fèi)而不是按質(zhì)量）。那么你要怎么挑選呢？你依稀記得，外婆告訴你，那些有光澤的黃芒果會比沒光澤的黃芒果更甜。所以你就定下了一個挑選標(biāo)準(zhǔn)：只在那些有光澤的黃芒果里挑選。然后，你仔細(xì)觀察了芒果的顏色，然后從中選出了那些有光澤的黃芒果，給錢，回家！然后，幸福和快樂是結(jié)局？芒果機(jī)器學(xué)習(xí)從市場上隨機(jī)選取的芒果樣本（訓(xùn)練數(shù)據(jù)），列出每個芒果的所有特征：如顏色，大小，形狀，產(chǎn)地，品牌以及芒果質(zhì)量（輸出變量）：甜蜜，多汁，成熟度。設(shè)計一個學(xué)習(xí)算法來學(xué)習(xí)芒果的特征與輸出變量之間的相關(guān)性模型。下次從市場上買芒果時，可以根據(jù)芒果（測試數(shù)據(jù)）的特征，使用前面計算的模型來預(yù)測芒果的質(zhì)量。知識知道怎么做專家系統(tǒng)…不知道怎么做容易做機(jī)器學(xué)習(xí)圖像識別自然語言處理語音識別不容易做強(qiáng)化學(xué)習(xí)圍棋如何開發(fā)一個人工智能系統(tǒng)？規(guī)則標(biāo)記、特征及樣本標(biāo)記（Label）是我們要預(yù)測的內(nèi)容。特征（Feature）是與其他事物明顯區(qū)分的顯著特點(diǎn)，也就是機(jī)器學(xué)習(xí)模型的輸入變量。樣本（Sample）是特定事物數(shù)據(jù)的實(shí)例。數(shù)據(jù)集一組樣本構(gòu)成的集合被稱為數(shù)據(jù)集（DataSet）數(shù)據(jù)集通常被分為兩個部分：訓(xùn)練集和測試集。訓(xùn)練集（TrainingSet）包含用于模型訓(xùn)練的數(shù)據(jù)樣本，也被稱為訓(xùn)練樣本（TrainingSample）。測試集（TestSet）用于評估最終模型的性能好壞，也被稱為測試樣本（TestSample）。模型

4.向量在數(shù)學(xué)中，向量（也稱為歐幾里得向量、幾何向量），指具有大?。╩agnitude）和方向的量。。在機(jī)器學(xué)習(xí)中，向量常用于表示數(shù)據(jù)樣本和特征。向量在機(jī)器學(xué)習(xí)中扮演著重要的角色，它們提供了一種有效的數(shù)據(jù)表示形式，使得機(jī)器學(xué)習(xí)算法能夠?qū)?shù)據(jù)進(jìn)行建模和分析。4.向量在數(shù)學(xué)中，向量（也稱為歐幾里得向量、幾何向量），指具有大?。╩agnitude）和方向的量。。在機(jī)器學(xué)習(xí)中，向量常用于表示數(shù)據(jù)樣本和特征。向量在機(jī)器學(xué)習(xí)中扮演著重要的角色，它們提供了一種有效的數(shù)據(jù)表示形式，使得機(jī)器學(xué)習(xí)算法能夠?qū)?shù)據(jù)進(jìn)行建模和分析。一個生活中的例子：顏色1.2概念機(jī)器學(xué)習(xí)機(jī)器學(xué)習(xí)是一種通過數(shù)學(xué)模型和算法從觀測數(shù)據(jù)中學(xué)習(xí)規(guī)律的方法。當(dāng)我們用機(jī)器學(xué)習(xí)來解決一些模式識別任務(wù)時，一般的流程包含以下幾個步驟：機(jī)器學(xué)習(xí)的基本思路機(jī)器學(xué)習(xí)的流程機(jī)器學(xué)習(xí)解決問題的通用流程包括問題建模、特征處理（工程）、模型選擇和模型融合。當(dāng)我們用機(jī)器學(xué)習(xí)來解決一些模式識別任務(wù)時，一般的流程包含以下幾個步驟：機(jī)器學(xué)習(xí)的流程圖機(jī)器學(xué)習(xí)模型的分類機(jī)器學(xué)習(xí)模型分成4類：監(jiān)督學(xué)習(xí)（SupervisedLearning）模型無監(jiān)督學(xué)習(xí)（UnsupervisedLearning）模型半監(jiān)督學(xué)習(xí)（Semi-SupervisedLearning）模型強(qiáng)化學(xué)習(xí)（ReinforcementLearning）模型。機(jī)器學(xué)習(xí)應(yīng)用領(lǐng)域介紹AlphaGo是由GoogleDeepMind公司開發(fā)的人工智能圍棋程序。自動駕駛智能制造業(yè)智慧醫(yī)療與健康金融服務(wù)媒體和娛樂1.3常用術(shù)語假設(shè)函數(shù)和損失函數(shù)假設(shè)函數(shù)：損失函數(shù)損失函數(shù)（LossFunction）又叫目標(biāo)函數(shù)擬合、過擬合和欠擬合模型對訓(xùn)練數(shù)據(jù)的預(yù)測誤差稱為訓(xùn)練誤差，也稱為經(jīng)驗(yàn)誤差。對測試數(shù)據(jù)的預(yù)測誤差稱為測試誤差，也稱為泛化誤差。過擬合和欠擬合圖解1.4機(jī)器學(xué)習(xí)環(huán)境構(gòu)建和常用工具機(jī)器學(xué)習(xí)環(huán)境構(gòu)建和常用工具PythonAnaconda+JupyterNotebookNumPyMatplotlibPandasScikit-learnPyTorch

…推薦其他教材邱錫鵬,神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí),機(jī)械工業(yè)出版社,2020，ISBN9787111649687https://nndl.github.io/提供配套練習(xí)阿斯頓·張等,動手學(xué)深度學(xué)習(xí),ISBN:9787115505835https://d2l.ai/有PyTorch版Bishop,C.M.(2006).PatternrecognitionandMachineLearning.Springer.ISBN9780387310732.網(wǎng)上有中文版by馬春鵬推薦教材Wright,S.,&Nocedal,J.(1999).Numericaloptimization.SpringerScience,35(67-68),7.Boyd,S.,&Vandenberghe,L.(2004).Convexoptimization.Cambridgeuniversitypress.推薦課程斯坦福大學(xué)CS224n:DeepLearningforNaturalLanguageProcessing/class/archive/cs/cs224n/cs224n.1194/ChrisManning主要講解自然語言處理領(lǐng)域的各種深度學(xué)習(xí)模型斯坦福大學(xué)CS231n:ConvolutionalNeuralNetworksforVisualRecognition/Fei-FeiLiAndrejKarpathy主要講解CNN、RNN在圖像領(lǐng)域的應(yīng)用加州大學(xué)伯克利分校CS294:DeepReinforcementLearning/deeprlcourse/推薦材料林軒田“機(jī)器學(xué)習(xí)