ToB企服应用市场:ToB评测及商务社交产业平台

标题: 机器学习1--概述 [打印本页]

---

作者: 玛卡巴卡的卡巴卡玛    时间: 7 天前
标题: 机器学习1--概述
一、概述

• 人工智能的应用：交通、网络安全、电子商务、
  
• 人工智能发展三要素：数据、算法、计算力。
  
  
  
  • CPU,GPU,TPU
    
  • CPU主要得当I\O密集型使命
    
  • GPU主要得当计算密集型使命
    
  
  

提问：什么范例的程序得当在GPU上运行？

• 第一种，计算密集型程序。计算密集型程序是指大部分运行时间花在寄存器的运算上，寄存器的速率和处理器的速率相当，从寄存器读写数据险些没有延时。
  
• 第二种，易于并行的程序。GPU其实是一种SIMD架构，有成千上百个核，每一个核在同一时间最好能做一样的事情。
  

• 人工智能、机器学习和深度学习：
  
  
  
  • 机器学习是人工智能的实现途径
    
  • 深度学习是机器学习的一个方法发展而来
    
  
  

二、发展历程

• 起源：
  
  
  
  • 图灵测试。
    
  • 达特茅斯会议。1956年。
    
  
  
• 时间线：
  
  
  
  • 第一是起步发展期：1956-1960；
    
  • 第二是反思发展期：20世纪60年代-70年代初；
    
  • 第三是应用发展期：20世纪70年代初-80年代中；
    
  • 第四是低迷发展期：20世纪80年代中-90年代中；
    
  • 第五是稳步发展期：20世纪90年代中-2010；
    
  • 第六是发达发展期：2011至今。
    
  
  

三、主要分支

主要分支：
- 计算机视觉：机器感知情况的本领
- 语音识别：识别语音并将其转换成对应文本的技能
- 文本挖掘、分类：文天职类，理解组织文档
- 机器翻译
- 机器人
四、工作流程

• 什么是机器学习？
  机器学习是从数据中自动分析得到模型，并利用模型对未知数据推测。
  
• 机器学习工作流程
  
  
  
  • 1 获取数据
    
  • 2 数据根本处理
    
  • 3 特征工程
    
  • 4 机器学习，模型练习
    
  • 5 模型评估
    
  
  

五、算法分类

• 监视学习
  输入数据由特征值和目标值组成，输出为一个一连的值（回归）或者有限个离散的值（分类）。
  
• 无监视学习
  输入数据由特征值组成，没有目标值。
  
• 半监视学习
  练习集同时包含有标志样本数据和未标志数据。
  
• 强化学习
  决策问题。agent采用行动操纵情况，从一个状态变化到另一个状态，得到嘉奖。
  

六、模型评估

• 分类模型评估：准确率
  
• 回归模型评估：均方根误差
  
• 拟合
  
  
  
  • 欠拟合，学习到太少
    
  • 过拟合，在练习集良好，在测试集不能泛化
    
  
  

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。

---

欢迎光临 ToB企服应用市场:ToB评测及商务社交产业平台 (https://dis.qidao123.com/)

Powered by Discuz! X3.4