人工智能(AI)和机器学习(ML)在当下的火热程度我就不多说了,但是真正懂这方面的人又有多少呢? 
    
   
 
    
    本文将带你了解人工智能和机器学习的基本知识。同时,你也会了解到机器学习中最火的方法——深度学习的工作原理。 
    
   
 
    
    注意:本文是用来科普的,所以不会涉及到具体代码层面的知识。 
    
    
    
    
    
    
    
    人工智能(AI) 
    是在代码中复制人类的智能,思考方式。 
    
   
 
    
    AI刚刚起步的时候,工程师尝试复制的只是人类完成的特定动作。 
    
   
 
    
    他们通过代码给人工智能制定了大量的规则。它有一张可执行行为的“清单”,并根据制定的规则作出判断,从而产生行为。 
    
    
    
    机器学习(ML) 
    指机器、程序通过数据的采集来学习的能力。 
    
    
    
    
    机器学习允许程序自己进行学习。这样的学习以及高性能计算机的处理支持,可以轻松处理大量的数据,从而完成学习。 
    
    
    
   
 
    
    
    监督学习 
    应用标记过的数据,输入规定范围内的数据,同时也规定了输出的范围。 
    
   
 
    
    如果使用监督学习来训练人工智能,你要给它一个输入并告诉它预期的输出。有些类似大学期间学的高等数学中的函数。 
    
   
 
    
    如果机器输出的内容不在预期范围内,它会重新调整它的计算。这个过程是通过计算完成数据集才完成的,直到机器不再犯错。 
    
   
 
    
    监督学习的一个例子是天气预报AI。它通过历史数据来学习预测天气。训练数据有输入(气压,湿度,风速)和相应的输出(温度)。 
    
    
    
    无监督学习 
    是使用没有固定结构或者说范围的数据集进行机器学习。 
    
   
 
    
    如果使用无监督学习训练机器,就是让机器对数据按照一定的逻辑进行分类。 
    
   
 
    
    无监督学习的一个例子是电商网站的行为预测,根据用户的行为来推荐用户可能会购买的商品。 
    
    
    
    它会自己对输入数据创建分类。它会告诉你哪种用户最有可能购买这款产品。 
    
 
    
    
    
   
 
    
    现在,你已经具备了理解深度学习工作原理的基本知识。 
    
   
 
    
    深度学习是一种机器学习方法,可以通过一组输入,训练AI来预测输出。监督学习和无监督学习都能用来训练AI。 
    简单的理解就是:机器学习包含深度学习。 
     
    
   
 
    
    我们将通过建立一个假想的车票估价服务来了解深度学习是如何工作的。我们将使用监督学习方法进行训练。 
    
    
    
    我们希望估价工具能够使用以下几个数据指标来预测车票价格: 
    
   
 
    
    
    
    
    
    
   
 
    
    和人类一样,机器学习也是有大脑内部的神经元的,通常用圆圈来表示。并且它们是互相连接在一起的。 
    
    
   ![]()
 
   
 
    
   
 
    
    
    
   
 
    
    输入层: 
    来接收数据。在之前的案例中,输入层有4个神经元:始发车站、到达车站、发车日期、路线,输入层把输入传递到隐藏层的第一层。 
    
    
    
    隐藏层 
    对输入数据进行数学计算。建立神经网络的一个难题就是如何决定隐藏层的数量以及每一层的神经元个数。 
    
    
    
    深度学习中的“深”指的是神经网络有超过一层的隐藏层。 
    
    
    
    输出层 
    返回输出数据。在前文的案例中,输出就是价格预测。 
    
    
    
   
 
    
    
    
    神经元之间的每个连接都有对应不同的权重。这个权重决定了输入值的重要性。 
    初始权重是随机设置的。 
     
    
    
    
    在预测车票价格时,发车日期是较重要的因素之一。因此,发车日期的神经元连接权重较高。 
    
    
    
   
 
    
   
 
    
    一旦一组输入数据通过了神经网络的每一层,它就通过输出层返回输出数据。 
    
   
 
    
   
 
    
    
    
    
    ·   
    深度学习整体概述 
    :了解深度学习的前世今生、为什么会爆发深度学习热潮?代表的技术有哪些,涉及到什么样的领域、产品、公司,以及各行各业中的应用。尽可能的科普深度学习的相关知识; 
    
    
    ·   
    深度学习预备知识 
    :数学基础(线性代数、矩阵、概率统计、优化等等)、机器学习基础、编程基础; 
     
    
    
    ·   
    深度学习核心知识 
    :神经网络、深度网络结构、图像任务、语音任务、自然语言任务; 
     
    
    
    ·  
    深度学习进阶知识: 
    如何使用深度学习框架,完成网络的搭建、训练。 
    
   
 
    
   
 
    
    ·   
    首先是线性代数,推荐麻省理工推出的课程 
    《麻省理工公开课:线性代数》 
    ,你会发现和我们本科学的线性代数好像不太一样,这个讲解的更加容易理解!!不再是停留在做计算题的层次,是真的有用! 
    
    
    ·   
    还有就是偏实操的 
    《智能问答与深度学习》 
    ,本书介绍了近年来自然语言处理和机器阅读的成果并带有翔实的示例,对实际应用有很好的借鉴意义。 
     
    
   
 
    
    
   
 
    
    CSDN学院与《智能问答与深度学习》的作者王海良老师在以及 
    来自微软、阿里、今日头条、优酷等5名技术专家 
    ,特别针对零基础想入行深度学习的同学联合出品了《从零开始深度学习》这门课程。 
     
    
   
 
    
    希望通过这门课程帮助大家真正的克服畏难情绪, 
    让你0基础入门深度学习,建立起完整的学习路径 
    ,同时通过“智能问答模型”的实战案例,将所学知识学以致用。 
    
   | 图书邮寄 | 视频精讲 | 作者带队 | 社群答疑 |
 
   
 
   周末特惠69元,下周涨价至89元,
 
   扫码订购,立省20元![]()
 
   ![]()
 
    
   
 
    
    
 
    
    
    
    
    
    
    前微软、阿里、字节跳动、前优酷等技术leader联合创作。 
    
   | 图书邮寄 | 视频精讲 | 作者带队 | 社群答疑 |
 
   
 
   周末特惠69元,下周涨价至89元,
 
   扫码订购,立省20元![]()
 
   ![]()
 
    
    
    与视频课配套的《智能问答与深度学习》这本书,已荣登京东实用性强的10本人工智能工具书。 
    
    
    
    
    
    
    
   ![]()
 
    
    
    
    1. 原价 
    ¥199 
    ,周末优惠 
    ¥69 
    ,下周涨价至 
    ¥89 
    ; 
    
    
    2. 现在购课既送京东原价¥69的王海良老师《智能问答与深度学习》实体书一本。 
    
   | 图书邮寄 | 视频精讲 | 作者带队 | 社群答疑 |
 
   
 
   周末特惠69元,下周涨价至89元,
 
   扫码订购,立省20元![]()
 
   ![]()
 
    
   ![]()
 
    
    ![]() 点击“阅读原文”,立即查看课程详情
 
    点击“阅读原文”,立即查看课程详情