优达学城机器学习——人工智能和数据科学

1.人工智能五大难题：有限计算资源，局部计算解决全局问题，溯因性或归纳性问题，知识有限，解释证明AI决策。

2.AI问题的特征：数据陆续出现，问题重复出现，问题出现在不同抽象层面，许多问题难以用计算解决，知识有限且相对不变。

3.人工智能学科用于处理不确定性和管理决策中的不确定性。

4.基于知识的AI：推理，学习，记忆。

5.人工智能的四个学派：

6.贝叶斯法则

7.贝叶斯网络

8.数据科学家：数学和统计学+软件工程（编程）+可视化结果。

9.数据科学家做些什么：收集数据，处理数据，创建数据集，分析数据趋势和数据驱动预测，数据驱动产品，数据可视化、报告和博客。

10.数据科学：使用数据来构建有用的模型或了解有用的特定模式，将其应用到其他软件应用程序。

11.数据科学家基本技能：理解问题，解释数据，数据结构及存储，团队沟通。

12.数据科学解决的问题：Netflix协同过滤算法推荐，Social Media推荐，Web Apps，生物领域（标注基因组和分析数据序列），城市规划，物理学科（数据存储），公共医疗，体育运动（分析运动员动作）。

13.有监督学习是函数逼近，无监督学习是密度估计（简洁描述），强化学习是延迟奖励学习。

14.归纳是从具体到普遍，有监督学习是归纳。演绎是普遍到具体，类似推理，预测是演绎。

15.机器学习什么：参数，结构，隐藏概念。

16.奥卡姆剃刀定律：在其他条件一样的情况下，选择较不复杂的假设。

17.分类：目标标签离散，回归：连续变量。