机器学习与深度学习实践声明Acknowledgments•假设参与此门课程的同学具有python基础及高等数学基础。•不要求有深刻的算法基础，但对于基本的数据结构和算法要有一定了解。•参考资料：取自于sklearn、tensorflow官方网站、斯坦福大学CS224d、CS231n课件、Github的部分代码仓库、部分来源于网络和搜索引擎，也有部分资料和代码是自行完成的。•参考书籍：《机器学习》、《统计学习方法》、《模式识别与机器学习》、《Hands-OnMachineLearningWithScikit-Learn&TensorFlow》等•课后如果有问题，欢迎联系交流Day1大纲•人工智能概述•人工智能中的数学基础•回归与分类•线性回归，Logistic回归，Softmax回归•决策树•多种决策树模型，Bagging，Boosting思想•朴素贝叶斯•自然语言处理，文本分类人工智能概述•从人工智能谈起•智能设备、聊天机器人、无人驾驶、机器人......https://v.qq.com/x/page/y03792kgjj1.html•什么是人工智能？人工智能（ArtificialIntelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它试图了解智能的实质，并生产出一种新的能以人类智能相似的方式作出反应的智能机器。•机器人•语音识别•图像识别•自然语言处理•专家系统•知识工程•机器学习人工智能是对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样的思考，甚至超过人的智能。弱人工智能、强人工智能、超人工智能•弱人工智能ArtificialNarrowIntelligence(ANI):弱人工智能是擅长于单个方面的人工智能。•强人工智能ArtificialGeneralIntelligence(AGI):人类级别的人工智能。强人工智能是指在各方面都能喝人类比肩的人工智能，人类能干的脑力活它都能干。•超人工智能ArtificialSuperIntelligence(ASI):知名人工智能思想家NickBostrom把超级智能定义为”在几乎所有领域都比最聪明的人类大脑都聪明很多，包括科学创新、通识和社交技能“。图灵测试•人工智能的历史•1956年夏天：达特茅斯会议，提出“人工智能“•20世纪60年代：感知机•20世纪70年代：专家系统、知识工程•20世纪80年代：日本第五代机•20世纪90年代：统计机器学习•2006年：深度学习•2012年：卷积神经网络•...•人工智能的历史AI发展现状？•机器是否具有真正的智能人眼中的图像•机器是否具有真正的智能计算机眼中的图像目前只能实现感知智能，尚无法实现推理智能•举个例子•还有很长的路要走•计算机无法真正理解符号、数字背后的语义•所有的行为都是在“猜”•图像、语音：原始信息，感知智能•语言、艺术：人工信息，推理智能•学习方法•打好机器学习基础•学会原理、注重联系•动手实践•分析数据，提升google机器学习教程：https://v.qq.com/x/page/y03792kgjj1.htmlAngrewNG机器学习、深度学习等课程准备工作•安装anaconda3并配置pycharm•安装sklearn/numpy/pandas/matplotlib/xgboost•安装pycharm，并设置python解释器路径•编写hello，world并成功执行人工智能中的数学基础•数学分析•映射与函数•极限•导数导数是曲线的斜率，是曲线变化快慢的反应；可导一定连续，反之不然思考：极值如何求解？•数学分析•常用函数求导公式动手实践(2)：求sigmoid函数导数•数学分析•泰勒展开式•常用函数的泰勒展开)()(!)('f...)(!2)(''f)(!1)('f)()(f00200000xOnnxxnxxxxxxxxfx)∞
