1 人工智能概述
  达特茅斯会议-人工智能的起点
  机器学习是人工智能的一个实现途径
  深度学习是机器学习的一个方法发展而来
  机器学习、深度学习能做些什么
      传统预测
      图像识别
      自然语言处理
2 什么是机器学习
  数据
  模型
  预测
  从历史数据当中获得规律?这些历史数据是怎么的格式?
  数据集构成
      特征值 + 目标值
3 机器学习算法分类
  监督学习
      目标值:类别 - 分类问题
          k-近邻算法、贝叶斯分类、决策树与随机森林、逻辑回归
      目标值:连续型的数据 - 回归问题
          线性回归、岭回归
  目标值:无 - 无监督学习
      聚类 k-means
  1、预测明天的气温是多少度? 回归
  2、预测明天是阴、晴还是雨? 分类
  3、人脸年龄预测? 回归/分类
  4、人脸识别? 分类
4 机器学习开发流程
  1)获取数据
  2)数据处理
  3)特征工程
  4)机器学习算法训练 - 模型
  5)模型评估
  6)应用
5 学习框架和资料介绍
  1)算法是核心,数据与计算是基础
  2)找准定位
  3)怎么做?
      1、入门
      2、实战类书籍
      3、机器学习 -”西瓜书”- 周志华
         统计学习方法 - 李航
         深度学习 - “花书”

Logo

CSDN联合极客时间,共同打造面向开发者的精品内容学习社区,助力成长!

更多推荐