2021-08-18 机器学习入门教程----科学计算库(1)

本文是机器学习入门教程,介绍了人工智能的基本概念、发展历程和主要分支,强调了数据、算法和计算力的重要性。讲解了机器学习的工作流程、算法分类、模型评估以及Azure机器学习模型搭建实验。此外,还提到了深度学习的基础和环境安装,包括Jupyter Notebook的使用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >


前言:机器学习(常用科学计算库的使用)基础定位、目标

定位:作为人工智能领域(数据挖掘/机器学习方向)的基础课程,为长期从事人工智能方向打下坚实的基础。

一、机器学习概述

1.1 人工智能概述

1.1.1 人工智能应用场景

网络安全、电子商务、计算模拟、社交网络 … …

1.1.2 人工智能必备三要素

数据
算法
计算力:
CPU:主要适合I\O 密集型的任务
GPU:主要适合计算密集型任务、易于并行的程序
所谓计算密集型(Compute-intensive)的程序,就是其大部分运行时间花在了寄存器运算上,寄存器的速度和处理器的速度相当,从寄存器读写数据几乎没有延时。易于并行的程序:GPU其实是一种SIMD(Single Instruction Multiple Data)架构, 他有成百上千个核,每一个核在同一时间最好能做同样的事情。详细讲述CPU和GPU的区别

1.1.3 人工智能和及机器学习,深度学习的关系

在这里插入图片描述
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

1.2 人工智能发展历程

1.2.1 图灵测试

测试者与被测试者(一个人和一台机器)隔开的情况下,通过一些装置(如键盘)向被测试者随意提问。
多次测试(一般为5min之内),如果有超过30%的测试者不能确定被测试者是人还是机器,那么这台机器就通过了测试,并被认为具有人类智能。
在这里插入图片描述

1.2.2 达特茅斯会议

确定1956年为人工智能元年

1.2.3 发展阶段

在这里插入图片描述

1.3 人工智能主要分支

计算机视觉

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

cadenye

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值