# 资料
视频：BiliBili (opens new window)
# 人工智能
# 关系
人工智能包括机器学习 机器学习包括深度学习
- 机器学习是人工智能的一个实现途径
- 深度学习是机器学习的一个方法发展而来
# 发展
人工智能的起点 -1956 年 8 月的达特茅斯会议
分为两大流派
- 逻辑主义或符号主义
- 联结主义，研究方向是纺人的神经网络
20 世纪 80 年代 一些搞统计的人 统计学习方法/机器学习
其中 人工神经网络这个方法 通过不过改进 2010 后型成了深度学习
# 应用
- 传统预测
- 图像识别
- 自然语言处理
# 机器学习
机器学习是从数据中自动分析获得模型，并利用模型对未知数据进行预测
# 数据集构成
结构：特征值 + 目标值
注：
- 对于每一行数据我们可以称为样本。
- 有些数据集可以没有目标值
# 算法分类
# 监督学习
目标值：类别 - 分类问题 （比如说判断图片是猫还是狗）
算法：k-近邻算法、贝叶斯分类、决策树与随机森林、逻辑回归
目标值：连续型数据 - 回归问题（比如说通过面积朝向位置等预测房价）
算法：线性回归、岭回归
# 无监督学习
目标值：无 - 无监督学习
算法：聚类 k-means
# 问题
- 预测明天的气温是多少度？ 回归
- 预测明天是阴、晴还是雨？ 分类
- 人脸年龄预测？ 回归/分类
- 人脸识别？ 分类
# 开发流程
- 获取数据
- 数据处理
- 特征工程
- 机器学习算法训练 - 模型
- 模型评估
- 应用
# 学习资料
算法是核心，数据与计算是基础
# 数学
高等数学、概率论与数理统计、线性代数
# 实战类书籍
- 机器学习 -”西瓜书”- 周志华
- 统计学习方法 - 李航
- 深度学习 - “花书”
# 库与框架
# 机器学习框架
sklearn
# 深度学习框架
- theano -> tensorflow
- Chainer -> pytorch
- Caffe2