Python機器學習與項目實踐- 課件 chap1-緒論

第1章緒論《Python機器學習與項目實踐》XXX大學更詳細的課程概括1.緒論2.機器學習基礎概述3.經(jīng)典線性模型4.前饋神經(jīng)網(wǎng)絡5.卷積神經(jīng)網(wǎng)絡6.循環(huán)神經(jīng)網(wǎng)絡7.圖神經(jīng)網(wǎng)絡8.機器學習模型的應用課程大綱預備知識線性代數(shù)微積分數(shù)學優(yōu)化概率論信息論1.1引言人工智能（artificialintelligence，AI）就是讓機器具有人類的智能。“計算機控制”+“智能行為”人工智能這個學科的誕生有著明確的標志性事件，就是1956年的達特茅斯（Dartmouth）會議。在這次會議上，“人工智能”被提出并作為本研究領域的名稱。人工智能就是要讓機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域機器學習：是一種通過數(shù)學模型和算法從觀測數(shù)據(jù)中學習規(guī)律的方法。神經(jīng)網(wǎng)絡：是一種以（人工）神經(jīng)元為基本單元的模型深度學習：是一類機器學習問題，主要解決貢獻度分配問題。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，和對方進行一系列的問答。如果在相當長時間內(nèi)，他無法根據(jù)這些問題判斷對方是人還是計算機，那么就可以認為這個計算機是智能的”。---AlanTuring[1950]《ComputingMachineryandIntelligence》人工智能的研究領域讓機器具有人類的智能機器感知（計算機視覺、語音信息處理）學習（模式識別、機器學習、強化學習）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、收集和準備數(shù)據(jù)、選擇和訓練模型、測試和調整模odel、部署和監(jiān)控。確定AI系統(tǒng)的目標是一個至關重要的步驟，因為它直接影響到系統(tǒng)設計和實施的方法。數(shù)據(jù)是訓練AI系統(tǒng)的基礎。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)學習的模式和關系。數(shù)據(jù)的質量和數(shù)量直接影響到AI系統(tǒng)的性能。在收集和準備了數(shù)據(jù)之后，你需要選擇一個適合你的任務的AI模型，并用你的數(shù)據(jù)來訓練它。AI模型的選擇取決于你的任務類型，例如，如果你的任務是圖像識別，你可能會選擇卷積神經(jīng)網(wǎng)絡（CNN）模型；如果你的任務是文本處理，你可能會選擇循環(huán)神經(jīng)網(wǎng)絡（RNN）模型在模型訓練完成后，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)。你可能需要調整模型的參數(shù)，或者嘗試不同的模型，以達到最佳的性能。最后，你需要將訓練好的AI系統(tǒng)部署到實際的環(huán)境中，看看它在實際的任務中是否能夠達到預期的效果。你需要對系統(tǒng)的性能進行持續(xù)的監(jiān)控和調整，以確保系統(tǒng)的穩(wěn)定性和效果。規(guī)則?機器學習機器學習≈構建一個映射函數(shù)語音識別圖像識別圍棋機器翻譯“9”“你好”“6-5”“Hello!”“你好！”(落子位置)芒果解釋機器學習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（因為是按重量計費而不是按質量）。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準：只在那些有光澤的黃芒果里挑選。然后，你仔細觀察了芒果的顏色，然后從中選出了那些有光澤的黃芒果，給錢，回家！然后，幸福和快樂是結局？芒果機器學習從市場上隨機選取的芒果樣本（訓練數(shù)據(jù)），列出每個芒果的所有特征：如顏色，大小，形狀，產(chǎn)地，品牌以及芒果質量（輸出變量）：甜蜜，多汁，成熟度。設計一個學習算法來學習芒果的特征與輸出變量之間的相關性模型。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測芒果的質量。知識知道怎么做專家系統(tǒng)…不知道怎么做容易做機器學習圖像識別自然語言處理語音識別不容易做強化學習圍棋如何開發(fā)一個人工智能系統(tǒng)？規(guī)則標記、特征及樣本標記（Label）是我們要預測的內(nèi)容。特征（Feature）是與其他事物明顯區(qū)分的顯著特點，也就是機器學習模型的輸入變量。樣本（Sample）是特定事物數(shù)據(jù)的實例。數(shù)據(jù)集一組樣本構成的集合被稱為數(shù)據(jù)集（DataSet）數(shù)據(jù)集通常被分為兩個部分：訓練集和測試集。訓練集（TrainingSet）包含用于模型訓練的數(shù)據(jù)樣本，也被稱為訓練樣本（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。。在機器學習中，向量常用于表示數(shù)據(jù)樣本和特征。向量在機器學習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，使得機器學習算法能夠對數(shù)據(jù)進行建模和分析。4.向量在數(shù)學中，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。。在機器學習中，向量常用于表示數(shù)據(jù)樣本和特征。向量在機器學習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，使得機器學習算法能夠對數(shù)據(jù)進行建模和分析。一個生活中的例子：顏色1.2概念機器學習機器學習是一種通過數(shù)學模型和算法從觀測數(shù)據(jù)中學習規(guī)律的方法。當我們用機器學習來解決一些模式識別任務時，一般的流程包含以下幾個步驟：機器學習的基本思路機器學習的流程機器學習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。當我們用機器學習來解決一些模式識別任務時，一般的流程包含以下幾個步驟：機器學習的流程圖機器學習模型的分類機器學習模型分成4類：監(jiān)督學習（SupervisedLearning）模型無監(jiān)督學習（UnsupervisedLearning）模型半監(jiān)督學習（Semi-SupervisedLearning）模型強化學習（ReinforcementLearning）模型。機器學習應用領域介紹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)療與健康金融服務媒體和娛樂1.3常用術語假設函數(shù)和損失函數(shù)假設函數(shù)：損失函數(shù)損失函數(shù)（LossFunction）又叫目標函數(shù)擬合、過擬合和欠擬合模型對訓練數(shù)據(jù)的預測誤差稱為訓練誤差，也稱為經(jīng)驗誤差。對測試數(shù)據(jù)的預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機器學習環(huán)境構建和常用工具機器學習環(huán)境構建和常用工具PythonAnaconda+JupyterNotebookNumPyMatplotlibPandasScikit-learnPyTorch

…推薦其他教材邱錫鵬,神經(jīng)網(wǎng)絡與深度學習,機械工業(yè)出版社,2020，ISBN9787111649687https://nndl.github.io/提供配套練習阿斯頓·張等,動手學深度學習,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CS224n:DeepLearningforNaturalLanguageProcessing/class/archive/cs/cs224n/cs224n.1194/ChrisManning主要講解自然語言處理領域的各種深度學習模型斯坦福大學CS231n:ConvolutionalNeuralNetworksforVisualRecognition/Fei-FeiLiAndrejKarpathy主要講解CNN、RNN在圖像領域的應用加州大學伯克利分校CS294:DeepReinforcementLearning/deeprlcourse/推薦材料林軒田“機器學習