人工智能基础|华为云

1、人工智能的发展史发展历史① 1945 图灵测试② 1955 “人工智能”一词在一份关于召开国际人工智能会议的提案中被提出正式宣告人工智能作为一门学科的诞生③ 1986 具有里程碑意义的论文《通过误差反向传播学习的表示》④ 2007 李飞飞和同事建立ImageNet大型注释图像数据库旨在帮助视觉对象识别软件进行研究⑤ 21世纪 人类进入“大数据”时代⑥ 2016 谷歌ALphago2、人工智能在各行各业的应用安防大数据分析罪犯嫌疑人生活轨迹及可能出现的场所利用计算机视觉技术发现并进行抓捕。金融利用语音识别、语义理解等技术打造智能客服智能影像可以快速进行癌症早期筛查帮助患者更早发现病灶交通无人驾驶通过传感器、计算机视觉等技术解放人的双手和感知零售利用计算机视觉、语音/语义识别机器人等技术提升消费体验工业制造机器人代替工人在危险场所完成工作在流水线上高效完成重复的工作3、人工智能的概述人工智能的定义人工智能是通过机器人来模拟人类认知能力的一种科技能力人工智能最核心的能力就是根据给定的输入做出判断或预测4、什么是机器学习机器学习的定义机器学习为人工智能提供了基础机器学习就是一种使用数据来训练软件模型的技术5、监督学习与非监督学习的实例讲解监督学习概念从给定的训练数据集历史数据中学习出一个函数当新的数据到来时可以根据这个函数预测结果。监督学习的训练集需要包括输入和输出也可以说是特征和目标。训练集中的目标是由人标注的。监督学习回归通过特征值得到目标值回归模型的评估标准回归模型的评估值为MAE平均绝对误差、MSE均方误差、RMSE均方根误差。上述三个误差值是指评分真实值与预测值之间的误差在多次建模的过程中每一次建模的结果都会产生一组误差值评判一个回归模型好坏的方法就是看这三个误差值是否变小或者变大误差值越小表示回归模型越好。监督学习分类分类模型的评估标准模型预测的值是在0-1之间阈值的选择决定预测值若一个实例是正例并且被预测为正例即为真正例True Postive TP若一个实例是正例并且被预测为负例即为假负例False Negative FN若一个实例是负例并且被预测为正例即为假正例False Postive FP若一个实例是负例并且被预测为负例即为真负例True Negative TN精确率/准确率 Accuracy TPTN/TPTNFPFN精准率/查准率Precision TP/TPFP召回率/查全率Recall TP/(FNTP)非监督学习聚类判断依据聚类中心之间的平均距离和集群中心点到最远点的距离相比这个比列越大聚类的分离程度越大。机器学习流程核心流程数据收集 - 数据处理 - 模型训练 - 评估模型 - 应用模型数据收集理解数据的含义、数据质量评估数据处理数据清洗去噪、去重、数据格式转换、特征提取模型训练了解常用的机器学习的算法选择合适的算法去训练模型评估通过测试数据集去预测目标分析评估模型指标数据评估结果可视化应用模型导出或发布模型进行运用最后对模型的效果进行反馈6、如果快速掌握AI应用的能力角色定位AI应用工程师主要是行业运用结合开发各种应用或者中间件AI售前工程师主要是结合各行业提出各种AI应用的场景向客户提供解决方案AI集成工程师主要是与AI产品供应商合作提供整体集成解决方案包括实施和运维AI产品经理主要是将AI功能落地到产品上提升产品交互体验增强产品竞争力AI研发工程师主要负责核心AI技术的研发工作算法、模型应用技能1、掌握一门编程语言2、理解机器学习的原理3、熟悉云平台和AI应用集成方式接口API或者SDK4、至少会一种接口调试工具Postman