第1章机器学习概述.pptxVIP

第1章 机器学习概述1.1 人工智能1.2 机器学习1.3 Tensorflow简介1.4 Tensorflow环境准备1.5 常用的第三方模块1.1 人工智能早在上世纪50年代，计算机科学家们就提出了“人工智能”的概念现在，人工智能已经发展为一门广泛的交叉和前沿科学，涉及到计算机科学、心理学、哲学和语言学等学科，也广泛的应用到语音识别、图像识别、自然语言处理等领域。国际、国内各大公司都有自己的人工智能项目1.2 机器学习1.2.1 机器学习的发展1.2.2 机器学习分类1.2.3 机器学习经典算法1.2.4 机器学习的入门1.2.1 机器学习的发展在机器学习领域，计算机科学家不断探索，基于不同的理论创造出不同的机器学习模型。从发展历程来说，大致已经经历了三个阶段：符号主义时代、概率论时代以及联结主义时代符号主义时代，即1980年代。是使用符号、规则和逻辑来表征知识和进行逻辑推理的概率论时代，1990年代到2000年。以概率论为主要理论依据，通过获取发生的可能性来进行概率推理联结时代，2010年代早期到中期。以神经科学和概率为主要理论依据，使用云计算架构，通过使用概率矩阵和加权神经元来动态地识别和归纳模式，常用的算法是神经网络1.2.2 机器学习分类1．有监督学习有监督学习(Supervised Learning)就是在样本数据集中的数据，包括了样本数据以及样本数据的标签。2．无监督学习无监督学习(Unsupervised Learning)就是在样本数据中只有数据没有对数据进行标签。无监督学习的就是让计算机对这些原始数据数据进行分析，让计算机自己去学习、找到数据之间的某种关系。3．半监督学习半监督学习输入的数据样本中，存在一部分进行了标记的数据，但是大量存在的是没有进行标记的数据。1.2.3 机器学习经典算法1．线性模型2．树性模型3．支持向量机4．人工神经网络1.2.4 机器学习的入门对一个领域进行学习的第一步就是尽快的了解全貌搭建出整体的知识体系，然后在实践中不断提升对该领域的认识。1．数学知识2．编程语言3．经典机器学习理论和基本算法4．动手实践机器学习1.3 Tensorflow简介1.3.1 主流框架对比1.3.2 TensorFlow发展1.3.3 使用Tensorflow的公司1.3.1 主流框架对比在机器学习的开源框架中，Google、Microsoft、Facebook、Amazon等巨头都有着自己的机器学习框架并进行了一定程度的开源框架名开发或支持主要开发语言GitHub地址TensorflowGooglePython，C++/tensorflow/tensorflowMXNetAmazonPython，C++/apache/incubator-mxnetDL4JEclipsePython，Java/deeplearning4j/deeplearning4jCNTKMicrosoftPython，C#/Microsoft/CNTKCaffe贾扬清Python，C++/BVLC/caffeTorchFacebookLua/torch/torch7Theano蒙特利尔大学Python/Theano/TheanoKeras个人，以作为TF的支持库Python/keras-team/keras1.3.2 TensorFlow发展TensorFlow从2015年开源以来，不断的进行迭代更新，主要的更新版本如下：2015年11月9日，Google在GitHub上开源了TensorFlow。2016年4月13日，TensorFlow 0.8版本发布，支持了分布式计算。2016年4月29日，开发AlphaGo的DeepMind团队转向TensorFlow，增强了Tensorflow的力量。2016年5月12日，开源基于TensorFlow 的最准确语法解析器SyntaxNet。2016年6月27日，TensorFlow 0.9版本发布，增进移动设备支持。2016年8月30日，TF-Slim库发布，可以更简单快速地定义模型。2017年2月15日，TensorFlow 1.0版本发布，提高了框架的速度和灵活性。2017年8月17日，TensorFlow 1.3版本发布，将Estimate估算器加入框架。2017年11月2日，TensorFlow 1.4版本发布，将Keras等高级库被加入核心功能。在机器学习的开源框架中，Google、Microsoft、Facebook、Amazon等巨头都有着自己的机器学习框架并进行了一定程度的开源1.3.3 使用Tensorflow的公司Tensorflow官网日益强大的公司墙1.4 Tensorflow环境准备1.4.1 Windows