AI-理论-花书浅笔-D1引言

AI-理论-花书浅笔-D1引言

(AI算法系列)

1知识点

1. 一些定义
2. 历史趋势

2具体内容

2.1一些定义

1. 人工智能 artificial intelligence
2. AI深度学习 deep learning
3. 知识库 knowledge base
4. 机器学习 machine learning：从原始数据提取模式的能力
   • 逻辑回归 logistic regression
   • 朴素贝叶斯 naive Bayes
5. 表示学习 representation learning：使用机器学习发掘表示本身，不仅把表示映射到输出
6. 自编码器 autoencoder：编码器encoder（输入数据转换为不同表示）+解码器decoder组合（将新表示换回原来的形式）
7. 变差因素 factors of variation ：分离出能解释观察数据的变差因素（不被直接观察的量）
8. 深度学习deep learning：通过其他比较简单的表示来表达复杂表示，解决表示学习中的核心问题。
   • 简单概念构建复杂概念
   • 多层感知机MLP（multilayer perceptron）将一组输入值映射到输出值的数学函数， 简单函数复合而成。
   • 可见层：可观察到的变量
   • 隐藏层：抽象特征
   • 度量模型深度：1基于评估架构所需执行的顺序指令的数目。2将描述概念彼此如何关联的深度视为模型深度。
     
9. 维恩图
   

2.2历史趋势

1. 数据量的大幅增加
2. 内存、计算能力、分布式硬件资源改善，模型规模大幅增长
3. 未解决日益复杂的应用问题，模型精度、复杂度日益提升
4. 强化学习reinforcement learning：自主的智能体在没有人类指导下通过试错学习执行任务。

3待补充

无

4Q&A

无

5code

无

6参考

• https://www.deeplearningbook.org/