《人工智能实践:TensorFlow笔记》学习笔记

8讲入门课程(代码实践课):人工智能概念、机器学习方法、深度学习的TensorFlow框架

第 讲 讲解内容 学生可学会
人工智能、机器学习、神学学习、神经网络发展、典型应用、环境搭建
Python语法织成网 Python基本用法
TensorFlow名词解释,给出神经网络八股 神经网络八股
神经网络优化 神经网络基本优化方法
MINIST数据集、全连接网络基础 手写数字识别,输出识别正确率
MINIST数据集、全连接网络实践 输入输出接口编写,使代码可用
MINIST数据集、卷积神经网络基础 使用CNN手写数字识别
ImageNet数据集、卷积神经网络实践 复现网络结构和参数,实现应用

第一讲 人工智能概述

  1. 什么是人工智能?
    图灵:即艾伦·麦席森·图灵 Alan Mathison Turing,19120623——19540607,英国数学家、逻辑学家,被称为计算机科学之父,人工智能之父。
    1950年在论文《机器能思考吗?》中提出来图灵测试,一种用于判定机器是否具有智能的试验方法:
    提问者和回答者隔开,提问者通过一些装置(如键盘)向机器随意提问。多次测试,如果有超过30%的提问者认为回答问题的是人而不是机器,那么那么这台机器就通过测试,具有了人工智能。
    人工智能:机器模拟人的思维和意识。
    2014年4月6日,一台计算机(聊天软件)成功让人类相信它是一个13岁的男孩,成为有史以来首台通过图灵测试的计算机。
    2015年5月11日,机器依据未见过的书写系统(例如,藏文)中的一个字符实例,写出来同样风格的字符,说明机器已具备了迅速学些陌生文字的创造能力。
    消费级人工智能产品
    | 公司| 消费级人工智能产品|
    | ------------- |:-------------
    |谷歌|Assistant|
    |微软|Cortana|
    |苹果|Siri|
    |亚马逊|Alexa|
    |阿里|天猫精灵|
    |小米|小爱同学|
    人工智能先锋
    |姓名|贡献|
    | ------------- |:-------------
    |Geoffrey Hinton|多伦多大学教授,谷歌大脑多伦多分部负责人,他发表了许多让神经网络得以应用的论文,激活了整个人工智能领域|
    |Yann LeCun|纽约大学教授,Facebook AI研究室负责人,他改进了CNN算法,使CNN具有了工程应用价值,现在CNN依旧是计算机视觉领域最有效的模型之一|
    |Yoshua Bengio|蒙特利尔大学教授,微软公司战略顾问,他推动了RNN 算法的发展,使RNN得到工程应用,用RNN解决了自然语言处理中的问题|
  2. 什么是机器学习?以班车预测时间为例,采用决策树模型。定义,机器学习是一种统计学方法,计算机利用已有数据,得出某种模型,再利用此模型预测结果。
    特点:随经验的增加,效果会变好。
    机器学习与传统计算机的不同:传统冯诺依曼计算机工作原理:指令和数据都被预先存储,按照指令先后顺序,逐条读取并执行。特点:输出结果是特定的,已经写在指令了。
    而机器学习的输入不再是写好的指令,而是数据。输出是结果出现的概率。它会预先读取大量数据,训练处模型。当模型训练好,再输入新的数据,输出新数据所对应的结果。
    所以,机器学习要先用以往数据训练模型,再用模型预测新数据的结果。
    机器学习三要素:数据、算法、算力。缺一不可。
    可以用孩子认识世界的过程来认识机器学习。如认识猫,多次遇见加介绍,之后即认识。
  3. 深度学习:即深层次是经网络,源于生物学脑神经结构的研究。随着人的成长,脑神经网络逐渐变粗变壮。
    生物学中的神经元:众多树突汇总于某个神经元,再经过一根轴突输出。人脑包括860亿个神经元,实现多层的神经网络的复杂函数拟合。
    1943年,心理学家McCulloch和数学家Pitts参考了生物神经元的结构,发表了抽象的神经元模型MP。
  4. 计算机中的神经网络发展:感知机第一,即两层神经网络首尾相连,组成单层神经网络。单层神经网络的缺陷是无法进行异或计算,二层及以上方可。当时计算能力不强,故低潮。
    1986年提出了反向传播算法BP的双层神经网络,有效解决了单层神经网络的算力问题。1995年知识向量机SVM,改善了神经网络需要调节参数的不足,还避免了神经网络中局部最优的问题,成为当时人工智能领域的主流算法。
    直到2006年深层神经网络DBN出现,2012年卷积神经网络CNN的在图像识别领域的惊人表现,又引发了神经网络研究的兴起。
    机器学习最主要的应用:对连续数据的预测(以房价预测为例),对离散数据的分类(判断肿瘤是良性恶性)。
    机器学习的应用领域:计算机视觉、语音识别、自然语言处理。
  5. 总结:
    人工智能,机器模拟人的意识和思维;
    机器学习,实现人工智能的一种方法,是人工智能的子集。
    深度学习,是深层神经网络,是机器学习的一种实现方法,是机器学习的子集。
    机器学习的过程
    《人工智能实践:TensorFlow笔记》学习笔记_第1张图片
    单个神经元
    《人工智能实践:TensorFlow笔记》学习笔记_第2张图片
  6. 避免兼容性问题,同一版本
    Ubuntu 16.04
    Python 2.7
    Tensorflow 1.3.0

你可能感兴趣的:(《人工智能实践:TensorFlow笔记》学习笔记)