大數(shù)據(jù)與人工智能-解惑課件

大數(shù)據(jù)與人工智能

------解惑主講：伍飛宇時(shí)間：2017年8月27日大數(shù)據(jù)與人工智能主講：伍飛宇時(shí)間：2017年8月27日主題人工智能產(chǎn)品02機(jī)器學(xué)習(xí)03人工智能歷史及發(fā)展01人工智能案例04面對(duì)人工智能05主題人工智能產(chǎn)品02機(jī)器學(xué)習(xí)03人工智能歷史及發(fā)展人工智能的歷史1956年達(dá)特茅斯會(huì)議召開(kāi)，人工智能正式提上議程智能時(shí)代什么時(shí)候來(lái)臨？當(dāng)機(jī)器擁有語(yǔ)音識(shí)別、圖像識(shí)別、自然語(yǔ)音理解等這些人最本質(zhì)的智慧能力的時(shí)候，那么大數(shù)據(jù)人工智能時(shí)代已經(jīng)來(lái)臨。人工智能歷史及發(fā)展人工智能的歷史人工智能歷史及發(fā)展人工智能應(yīng)用1-圍棋人工智能應(yīng)用1-圍棋人工智能應(yīng)用2-聊天機(jī)器人人工智能應(yīng)用2-聊天機(jī)器人人工智能應(yīng)用3-圖片識(shí)別"littlegirliseatingpieceofcake."人工智能應(yīng)用3-圖片識(shí)別"littlegirlisea人工智能應(yīng)用4-人臉識(shí)別人工智能應(yīng)用4-人臉識(shí)別人工智能應(yīng)用5-圖片文字提取人工智能應(yīng)用5-圖片文字提取人工智能應(yīng)用6-自動(dòng)駕駛汽車(chē)人工智能應(yīng)用6-自動(dòng)駕駛汽車(chē)MachineLearning(ML)isascientificdisciplinethatdealswiththeconstructionandstudyofalgorithmsthatcanlearnfromdata.機(jī)器學(xué)習(xí)是一門(mén)從數(shù)據(jù)中研究算法的科學(xué)學(xué)科。機(jī)器學(xué)習(xí)直白來(lái)講，是根據(jù)已有的數(shù)據(jù)，進(jìn)行算法選擇，并基于算法和數(shù)據(jù)構(gòu)建模型，最終對(duì)未來(lái)進(jìn)行預(yù)測(cè)機(jī)器學(xué)習(xí)定義MachineLearning(ML)isascie1：傳統(tǒng)模型算法2：深度學(xué)習(xí)算法機(jī)器學(xué)習(xí)算法1：傳統(tǒng)模型算法機(jī)器學(xué)習(xí)算法1：決策樹(shù)算法2：K-近鄰算法3：支持向量機(jī)(SVN)4：關(guān)聯(lián)分析(Apriori)5：隱馬爾科夫模型(HMM)6：AdaBoost算法7：樸素貝葉斯算法......傳統(tǒng)算法1：決策樹(shù)算法深度神經(jīng)網(wǎng)絡(luò)(DNN)(DeepNeuralNetwork)應(yīng)用場(chǎng)景：搜索排序、推薦排序深度學(xué)習(xí)深度神經(jīng)網(wǎng)絡(luò)(DNN)深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)(CNN)(ConvolutionalNeuralNetwork)應(yīng)用場(chǎng)景：圖像識(shí)別、視頻分析深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)(CNN)深度學(xué)習(xí)循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)(RecurrentNeuralNetwork)應(yīng)用場(chǎng)景：語(yǔ)音識(shí)別、自然語(yǔ)言處理深度學(xué)習(xí)循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)深度學(xué)習(xí)投資策略1：選擇項(xiàng)目2：選擇時(shí)間3：風(fēng)險(xiǎn)控制4：買(mǎi)入項(xiàng)目5：賣(mài)出項(xiàng)目智能P2P投資系統(tǒng)投資策略智能P2P投資系統(tǒng)預(yù)測(cè)流程新聞及政策預(yù)測(cè)投資走向數(shù)據(jù)收集數(shù)據(jù)處理文本向量化信息抽取中文分詞特殊過(guò)濾情感分析預(yù)測(cè)流程新聞及政策預(yù)測(cè)投資走向數(shù)據(jù)收集數(shù)據(jù)處理文本向量化信息中文分詞分詞操作中文分詞分詞操作詞向量表示1：One-Hot稀疏編碼橙子[10000]菠蘿[01000]2：Embedding稠密編碼橙子[0.30.2]向量表示詞向量表示向量表示詞編碼訓(xùn)練（Word2Vec）1：基于上下文預(yù)測(cè)詞2：基于詞預(yù)測(cè)上下文可通過(guò)以下實(shí)現(xiàn)1：python

Gensim工具包2：world2Vecgoogle開(kāi)源向量標(biāo)記訓(xùn)練詞編碼訓(xùn)練向量標(biāo)記訓(xùn)練投入模型進(jìn)行訓(xùn)練例如：卷積神經(jīng)網(wǎng)絡(luò)CNN基本原理：二維圖像-->分解方格-->卷積變換-->池化-->取出最大值輸出(最終得出圖像的類(lèi)別)模型訓(xùn)練投入模型進(jìn)行訓(xùn)練模型訓(xùn)練圖像與單詞連接思路：一維單詞--》二維矩陣以單詞向量作為輸入項(xiàng)目收益的波動(dòng)作為輸出模型訓(xùn)練圖像與單詞連接模型訓(xùn)練一：數(shù)據(jù)來(lái)源

1：網(wǎng)絡(luò)爬蟲(chóng)2：開(kāi)源工具3：大數(shù)據(jù)平臺(tái)二：預(yù)測(cè)步驟

1:數(shù)據(jù)清洗例如通過(guò)jieba分詞系統(tǒng)分詞、過(guò)濾等操作2：通過(guò)python中的numpy、pandas、Matplotlib完成數(shù)據(jù)預(yù)處理及特征提取操作3：通過(guò)tensorflow、tflearn深度學(xué)習(xí)工具包進(jìn)行深度學(xué)習(xí)建模。開(kāi)發(fā)流程總結(jié)一：數(shù)據(jù)來(lái)源開(kāi)發(fā)流程總結(jié)對(duì)比：智能與非智能比較智能投資主觀投資分析依據(jù)算法模型主觀經(jīng)驗(yàn)分析方法定量分析定性分析分析品種多樣化少數(shù)品種投資周期短中期中長(zhǎng)期風(fēng)險(xiǎn)控制風(fēng)險(xiǎn)最小化風(fēng)險(xiǎn)考慮不全對(duì)比：智能與非智能比較智能投資主觀投資分析依據(jù)算法模型主觀經(jīng)人工智能應(yīng)用開(kāi)發(fā)流程數(shù)據(jù)收集數(shù)據(jù)清洗特征工程數(shù)據(jù)建模人工智能應(yīng)用開(kāi)發(fā)流程數(shù)據(jù)收集數(shù)據(jù)清洗特征工程數(shù)據(jù)建模如果你是下面的行業(yè)1：司機(jī)2：醫(yī)生3：記者4：翻譯5：會(huì)計(jì)6：律師你應(yīng)該怎么辦？面對(duì)人工智能如果你是下面的行業(yè)面對(duì)人工智能Q&AQ&A大數(shù)據(jù)與人工智能

------解惑主講：伍飛宇時(shí)間：2017年8月27日大數(shù)據(jù)與人工智能主講：伍飛宇時(shí)間：2017年8月27日主題人工智能產(chǎn)品02機(jī)器學(xué)習(xí)03人工智能歷史及發(fā)展01人工智能案例04面對(duì)人工智能05主題人工智能產(chǎn)品02機(jī)器學(xué)習(xí)03人工智能歷史及發(fā)展人工智能的歷史1956年達(dá)特茅斯會(huì)議召開(kāi)，人工智能正式提上議程智能時(shí)代什么時(shí)候來(lái)臨？當(dāng)機(jī)器擁有語(yǔ)音識(shí)別、圖像識(shí)別、自然語(yǔ)音理解等這些人最本質(zhì)的智慧能力的時(shí)候，那么大數(shù)據(jù)人工智能時(shí)代已經(jīng)來(lái)臨。人工智能歷史及發(fā)展人工智能的歷史人工智能歷史及發(fā)展人工智能應(yīng)用1-圍棋人工智能應(yīng)用1-圍棋人工智能應(yīng)用2-聊天機(jī)器人人工智能應(yīng)用2-聊天機(jī)器人人工智能應(yīng)用3-圖片識(shí)別"littlegirliseatingpieceofcake."人工智能應(yīng)用3-圖片識(shí)別"littlegirlisea人工智能應(yīng)用4-人臉識(shí)別人工智能應(yīng)用4-人臉識(shí)別人工智能應(yīng)用5-圖片文字提取人工智能應(yīng)用5-圖片文字提取人工智能應(yīng)用6-自動(dòng)駕駛汽車(chē)人工智能應(yīng)用6-自動(dòng)駕駛汽車(chē)MachineLearning(ML)isascientificdisciplinethatdealswiththeconstructionandstudyofalgorithmsthatcanlearnfromdata.機(jī)器學(xué)習(xí)是一門(mén)從數(shù)據(jù)中研究算法的科學(xué)學(xué)科。機(jī)器學(xué)習(xí)直白來(lái)講，是根據(jù)已有的數(shù)據(jù)，進(jìn)行算法選擇，并基于算法和數(shù)據(jù)構(gòu)建模型，最終對(duì)未來(lái)進(jìn)行預(yù)測(cè)機(jī)器學(xué)習(xí)定義MachineLearning(ML)isascie1：傳統(tǒng)模型算法2：深度學(xué)習(xí)算法機(jī)器學(xué)習(xí)算法1：傳統(tǒng)模型算法機(jī)器學(xué)習(xí)算法1：決策樹(shù)算法2：K-近鄰算法3：支持向量機(jī)(SVN)4：關(guān)聯(lián)分析(Apriori)5：隱馬爾科夫模型(HMM)6：AdaBoost算法7：樸素貝葉斯算法......傳統(tǒng)算法1：決策樹(shù)算法深度神經(jīng)網(wǎng)絡(luò)(DNN)(DeepNeuralNetwork)應(yīng)用場(chǎng)景：搜索排序、推薦排序深度學(xué)習(xí)深度神經(jīng)網(wǎng)絡(luò)(DNN)深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)(CNN)(ConvolutionalNeuralNetwork)應(yīng)用場(chǎng)景：圖像識(shí)別、視頻分析深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)(CNN)深度學(xué)習(xí)循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)(RecurrentNeuralNetwork)應(yīng)用場(chǎng)景：語(yǔ)音識(shí)別、自然語(yǔ)言處理深度學(xué)習(xí)循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)深度學(xué)習(xí)投資策略1：選擇項(xiàng)目2：選擇時(shí)間3：風(fēng)險(xiǎn)控制4：買(mǎi)入項(xiàng)目5：賣(mài)出項(xiàng)目智能P2P投資系統(tǒng)投資策略智能P2P投資系統(tǒng)預(yù)測(cè)流程新聞及政策預(yù)測(cè)投資走向數(shù)據(jù)收集數(shù)據(jù)處理文本向量化信息抽取中文分詞特殊過(guò)濾情感分析預(yù)測(cè)流程新聞及政策預(yù)測(cè)投資走向數(shù)據(jù)收集數(shù)據(jù)處理文本向量化信息中文分詞分詞操作中文分詞分詞操作詞向量表示1：One-Hot稀疏編碼橙子[10000]菠蘿[01000]2：Embedding稠密編碼橙子[0.30.2]向量表示詞向量表示向量表示詞編碼訓(xùn)練（Word2Vec）1：基于上下文預(yù)測(cè)詞2：基于詞預(yù)測(cè)上下文可通過(guò)以下實(shí)現(xiàn)1：python

Gensim工具包2：world2Vecgoogle開(kāi)源向量標(biāo)記訓(xùn)練詞編碼訓(xùn)練向量標(biāo)記訓(xùn)練投入模型進(jìn)行訓(xùn)練例如：卷積神經(jīng)網(wǎng)絡(luò)CNN基本原理：二維圖像-->分解方格-->卷積變換-->池化-->取出最大值輸出(最終得出圖像的類(lèi)別)模型訓(xùn)練投入模型進(jìn)行訓(xùn)練模型訓(xùn)練圖像與單詞連接思路：一維單詞--》二維矩陣以單詞向量作為輸入項(xiàng)目收益的波動(dòng)作為輸出模型訓(xùn)練圖像與單詞連接模型訓(xùn)練一：數(shù)據(jù)來(lái)源

1：網(wǎng)絡(luò)爬蟲(chóng)2：開(kāi)源工具3：大數(shù)據(jù)平臺(tái)二：預(yù)測(cè)步驟

1:數(shù)據(jù)清洗例如通過(guò)jieba分詞系統(tǒng)分詞、過(guò)濾等操作2：通過(guò)python中的numpy、pandas、Matplotlib完成數(shù)據(jù)預(yù)處理及特征提取操作3：通過(guò)tensorflow、tflearn深度學(xué)習(xí)工具包進(jìn)行深度學(xué)習(xí)建模。開(kāi)發(fā)流程總結(jié)一：數(shù)據(jù)來(lái)源開(kāi)發(fā)流程總結(jié)對(duì)比：智能與非智能比較智能投資主觀投資分析依據(jù)算法模型主觀經(jīng)驗(yàn)分析方法定量