人工智能初学者

这里写自定义目录标题

  • 人工智能
    • 人工智能领域中常用的推理方法:
      • 过拟合和欠拟合有什么区别?
    • DIKW图
    • 神经网络
    • 功能快捷键
    • 合理的创建标题,有助于目录的生成
    • 如何改变文本的样式
    • 插入链接与图片
    • 如何插入一段漂亮的代码片
    • 生成一个适合你的列表
    • 创建一个表格
      • 设定内容居中、居左、居右
      • SmartyPants
    • 创建一个自定义列表
    • 如何创建一个注脚
    • 注释也是必不可少的
    • KaTeX数学公式
    • 新的甘特图功能,丰富你的文章
    • UML 图表
    • FLowchart流程图
    • 导出与导入
      • 导出
      • 导入

人工智能

  • AI
    1. 弱人工智能,解决特定类人任务,仅用于一项任务的系统
    2. 强人工智能(AGI,通用人工智能)解决多项任务
    • Neural Networks
      • Deep learning
自上而下(符号推理)1 自下而上(神经网络)2
提取人类知识转换为计算机可读的形式 自下而上的方法模拟了人脑的结构,由大量称为神经元的简单单元组成。每个神经元的行为就像其输入的加权平均值,我们可以通过提供训练数据来训练神经元网络来解决有用的问题。
[1]: Up-Down Approach:将推理的过程形式化并在计算机内部进行编程,依赖于知识表示和推理
[2]: Bottom-Up Approach:在计算机内部构建一个所谓的人工神经网络,然后尝试通过举例来教它解决问题。这个过程类似于新生儿通过观察来了解周围环境的过程。

人工智能领域中常用的推理方法:

  1. 前向推理:
    前向推理是一种数据驱动的方法,从已知的事实和规则出发,逐步推导出更多的结论和信息,直至达到目标。
    它从已知的数据和规则开始,通过应用推理规则来提取新的信息和结论。
    前向推理适用于问题空间增量、数据量坐标的情况,可以通过不断推理和推导来获得更多的信息。
  2. 后向推理:
    后向推理是一种目标驱动的方法,从目标或结论出发,逆向推导出需要的前提条件或已知事实。
    它从目标开始,通过逆向推理来确定达到目标所需的前提条件或已知事实。
    后向推理适用于问题空间较小、目标明确的情况,可以通过逆向推导来确定达到目标所需的前提条件。

总结:前向推理是从已知的数据和规则出发,逐步推导出更多的结论和信息,而后向推理是从目标出发,逆向推导出达到目标所需的前提条件或已知事实。推理方法在不同的问题和场景中有不同的应用。

ML:基于计算机学习来解决某些数据问题的人工智能的一部分。

区别 TensorFlow PyTorch
计算图的定义 使用静态计算图,先定义,后执行 使用动态计算图,计算图在构建时根据运行的需要动态地调整图结构
使用对象 适合大规模,应用范围广 适合小规模项目,容易上手调试
灵活性 手动迁移数据和参数 数据和参数在CPU和GPU迁移更灵活,调试更严格
计算速度 相同条件下,TensorFlow在CPU上计算速度更快 在GPU上,两者相差不大
依赖库 支持更多的库函数
数据加载 API设计较为庞大,使用上有一些技巧,有时无法直接将数据加载进TensorFlow 数据加载API设计风格较强,由数据集、采样器和数据加载器构成
设备管理 不需要手动调整 需要指定设备的使用

过拟合和欠拟合有什么区别?

欠拟合:
指模型无法很好地拟合训练数据,表现为训练误差和测试误差都很高。
原因是模型过于简单,无法捕捉到数据中的复杂关系,或者特征量过少。
解决方法包括增加特征、使用更复杂的模型、减少正则化参数等。
过拟合:
指模型在训练集上表现很好,但在测试集上表现很差,表现为训练误差很低,但测试误差很高。
原因是模型过于复杂,过度拟合了训练数据中的噪声和局部特征,导致泛化能力下降。
解决方法包括增加数据量、使用正则化、减少模型复杂度等。
总结:
欠拟合和过拟合都是机器学习中常见的问题,都会导致模型的泛化能力下降。
欠拟合是由于模型过于简单,无法捕捉到数据中的复杂关系,而过拟合是由于模型过于复杂,过度拟合了训练数据中的噪声和局部特征。
解决欠拟合可以增加特征、使用更复杂的模型、减少正则化参数等,解决过拟合可以增加数据量、使用正则化、减少模型复杂度等。
GOFAI
神经架构:处理图像和文本

https://github.com/microsoft/AI-For-Beginners/
https://microsoft.github.io/AI-For-Beginners/?id=artificial-intelligence-for-beginners-a-curriculum
人工智能初学者
https://learn.microsoft.com/en-us/users/dmitrysoshnikov-9132/collections/31zgizg2p418yo?WT.mc_id=academic-77998-cacaste
人工智能初学者合集
https://github.com/microsoft/Web-Dev-For-Beginners
网页开发初学者
https://github.com/microsoft/ML-For-Beginners
https://microsoft.github.io/ML-For-Beginners/#/
机器学习初学者
免费的交互式路线图,供您自学数据科学和机器学习。数据科学学习资源的搜索引擎(免费)。为您最喜欢的资源添加书签,将文章标记为完整并添加学习笔记。从这里开始: https: //aigents.co/learn/roadmaps/intro
想要在导师和学习社区的支持下从头开始学习数据科学吗?免费加入此学习圈:https /community.aigents.co/spaces/9010170/

DIKW图

人工智能初学者_第1张图片

  • 数据:可以用物理媒体表示的东西
  • 信息:在头脑中解释数据的方式
  • 知识:被整合到世界模型中的信息
  • 智慧:我们对世界的理解的又一个层次,元知识

神经网络

又称人工神经网络(ANN),是机器学习的一部分

  • 最流行的两个神经框架TensorFlow,Pytorch
    |高级API(非常快速地构建典型的神经网络,而无需担心大量细节)| 低级API(提供了对训练过程的更多控制) |
    |–|–|
    | Keras | TensorFlow |
    | Pytorch Lightning | Pytorch |

为什么会出现过拟合?怎么检测过拟合,如何防止过拟合?
过度拟合实际上是统计学的“偏差-方差权衡”
偏差小(欠拟合)

  • 偏差错误是由于我们的算法无法正确捕获训练数据之间的关系而引起的。这可能是因为我们的模型不够强大(欠拟合)。
  • 方差误差,这是由模型近似输入数据中的噪声而不是有意义的关系(过度拟合)引起的。

在训练过程中,偏差误差会减小(当我们的模型学习近似数据时),而方差误差会增加。重要的是停止训练——无论是手动(当我们检测到过度拟合时)还是自动(通过引入正则化)——以防止过度拟合。

我们对Markdown编辑器进行了一些功能拓展与语法支持,除了标准的Markdown编辑器功能,我们增加了如下几点新功能,帮助你用它写博客:

  1. 全新的界面设计 ,将会带来全新的写作体验;
  2. 在创作中心设置你喜爱的代码高亮样式,Markdown 将代码片显示选择的高亮样式 进行展示;
  3. 增加了 图片拖拽 功能,你可以将本地的图片直接拖拽到编辑区域直接展示;
  4. 全新的 KaTeX数学公式 语法;
  5. 增加了支持甘特图的mermaid语法1 功能;
  6. 增加了 多屏幕编辑 Markdown文章功能;
  7. 增加了 焦点写作模式、预览模式、简洁写作模式、左右区域同步滚轮设置 等功能,功能按钮位于编辑区域与预览区域中间;
  8. 增加了 检查列表 功能。

功能快捷键

撤销:Ctrl/Command + Z
重做:Ctrl/Command + Y
加粗:Ctrl/Command + B
斜体:Ctrl/Command + I
标题:Ctrl/Command + Shift + H
无序列表:Ctrl/Command + Shift + U
有序列表:Ctrl/Command + Shift + O
检查列表:Ctrl/Command + Shift + C
插入代码:Ctrl/Command + Shift + K
插入链接:Ctrl/Command + Shift + L
插入图片:Ctrl/Command + Shift + G
查找:Ctrl/Command + F
替换:Ctrl/Command + G

合理的创建标题,有助于目录的生成

直接输入1次#,并按下space后,将生成1级标题。
输入2次#,并按下space后,将生成2级标题。
以此类推,我们支持6级标题。有助于使用TOC语法后生成一个完美的目录。

如何改变文本的样式

强调文本 强调文本

加粗文本 加粗文本

标记文本

删除文本

引用文本

H2O is是液体。

210 运算结果是 1024.

插入链接与图片

链接: link.

图片: Alt

带尺寸的图片: Alt

居中的图片: Alt

居中并且带尺寸的图片: Alt

当然,我们为了让用户更加便捷,我们增加了图片拖拽功能。

如何插入一段漂亮的代码片

去博客设置页面,选择一款你喜欢的代码片高亮样式,下面展示同样高亮的 代码片.

// An highlighted block
var foo = 'bar';

生成一个适合你的列表

  1. 项目3
  • 计划任务
  • 完成任务

创建一个表格

一个简单的表格是这么创建的:

项目 Value
电脑 $1600
手机 $12
导管 $1

设定内容居中、居左、居右

使用:---------:居中
使用:----------居左
使用----------:居右

SmartyPants

SmartyPants将ASCII标点字符转换为“智能”印刷标点HTML实体。例如:

TYPE ASCII HTML
Single backticks 'Isn't this fun?' ‘Isn’t this fun?’
Quotes "Isn't this fun?" “Isn’t this fun?”
Dashes -- is en-dash, --- is em-dash – is en-dash, — is em-dash

创建一个自定义列表

Markdown
Text-to- HTML conversion tool
Authors
John
Luke

如何创建一个注脚

一个具有注脚的文本。2

注释也是必不可少的

Markdown将文本转换为 HTML

KaTeX数学公式

您可以使用渲染LaTeX数学表达式 KaTeX:

Gamma公式展示 Γ ( n ) = ( n − 1 ) ! ∀ n ∈ N \Gamma(n) = (n-1)!\quad\forall n\in\mathbb N Γ(n)=(n1)!nN 是通过欧拉积分

Γ ( z ) = ∫ 0 ∞ t z − 1 e − t d t   . \Gamma(z) = \int_0^\infty t^{z-1}e^{-t}dt\,. Γ(z)=0tz1etdt.

你可以找到更多关于的信息 LaTeX 数学表达式[here][1].

新的甘特图功能,丰富你的文章

2014-01-07 2014-01-09 2014-01-11 2014-01-13 2014-01-15 2014-01-17 2014-01-19 2014-01-21 已完成 进行中 计划一 计划二 现有任务 Adding GANTT diagram functionality to mermaid
  • 关于 甘特图 语法,参考 [这儿][2],

UML 图表

可以使用UML图表进行渲染。 Mermaid. 例如下面产生的一个序列图:

张三 李四 王五 你好!李四, 最近怎么样? 你最近怎么样,王五? 我很好,谢谢! 我很好,谢谢! 李四想了很长时间, 文字太长了 不适合放在一行. 打量着王五... 很好... 王五, 你怎么样? 张三 李四 王五

这将产生一个流程图。:

链接
长方形
圆角长方形
菱形
  • 关于 Mermaid 语法,参考 [这儿][3],

FLowchart流程图

我们依旧会支持flowchart的流程图:

Created with Raphaël 2.3.0 开始 我的操作 确认? 结束 yes no
  • 关于 Flowchart流程图 语法,参考 [这儿][4].

导出与导入

导出

如果你想尝试使用此编辑器, 你可以在此篇文章任意编辑。当你完成了一篇文章的写作, 在上方工具栏找到 文章导出 ,生成一个.md文件或者.html文件进行本地保存。

导入

如果你想加载一篇你写过的.md文件,在上方工具栏可以选择导入功能进行对应扩展名的文件导入,
继续你的创作。


  1. mermaid语法说明 ↩︎ ↩︎

  2. 注脚的解释 ↩︎ ↩︎

你可能感兴趣的:(人工智能)