#认知实习day-01机器学习概述

人工智能三大概念：

人工智能（AI）是研究合成与分析的一 个领域（仿智）使用计算机来模拟或代替人类

机器学习（ML）让计算机无需显式编程就能学习的研究领域

深度学习（DL）深度神经网络，大脑仿生，设计一层一层的设计神经元模拟万事万物

三者之间的关系：人工智能>机器学习>深度学习

机器学习是实现人工智能的一种途径

深度学习是机器学习的一种方法

学习方式：

基于规律的学习：程序员根据经验利用手工的if-else进行预测

基于模型的学习：从数据中自动学出规律

基于模型的学习：比如房价预测

机器学习的应用领域：

图像识别，无人驾驶，智能翻译，医疗智能翻译，数据挖掘

AI发展三要素：

数据，算法，算力三要素相互作用，是AI发展的基石

人工智能发展史

1956年人工智能元年

2012年计算机视觉深度神经网络方法研究兴起，

2017年自然语言处理应用大幕拉开

2022年chatGPT的出现，引起AIGC的发展

机器学习常用术语：

数据集划分：训练集用来训练模型、测试集用来测试评估模型。

机器学习算法分类：

有监督学习：有标签。目标值连续：回归；目标值回归：分类

无监督学习：无标签，根据样本的特征进行聚类

半监督学习：一半有标签，一半无标签

强化学习：通过构建四个要素：agent，环境状态，行动，奖励，

               agent根据环境状态进行行动获得最多的累计奖励。

机器学习建模流程：

1获取数据——>2数据基本处理——>3特征工程——>4机器学习（模型训练）——>5模型评测

 获取数据：搜集与完成机器学习任务相关的数据集

•数据基本处理：数据集中异常值,缺失值的处理等

•特征工程：对数据特征进行提取、转成向量，让模型达到最好的效果

•机器学习(模型训练)：选择合适的算法对模型进行训练•根据不同的任务来选中不同的算法；有监督学习,无监督学习,半监督学习,强化学习

模型评估：评估效果好上线服务,评估效果不好则重复上述步骤