1深度学习-第一章 深度学习基础.pptx

第一章深度学习基础

第一节深度学习应用

1.1深度学习应用深度学习的时代深度学习给世界带来了惊喜ChatGPT、图像及视频生成、AIforScience很多互联网公司都在从事深度学习研究Google、微软、DeepMind、OpenAI、DeepSeek、百度、阿里、腾讯、字节深度学习无处不在计算机视觉自然语言处理语音识别机器人

1.1.1深度学习应用：ChatGPTChatGPT：OpenAI开发的一款人工智能聊天机器人程序，在很多领域都有广泛的应用潜力：学习辅助

1.1.1深度学习应用：ChatGPTChatGPT：OpenAI开发的一款人工智能聊天机器人程序，在很多领域都有广泛的应用潜力：创意写作

1.1.1深度学习应用：ChatGPTChatGPT：OpenAI开发的一款人工智能聊天机器人程序，在很多领域都有广泛的应用潜力：个性化智能助手

1.1.1深度学习应用：ChatGPTChatGPT：OpenAI开发的一款人工智能聊天机器人程序，在很多领域都有广泛的应用潜力：虚拟角色扮演

1.1.2深度学习应用：图像及视频生成使用Diffusion模型生成各种有趣且充满想象力的图片：

1.1.2深度学习应用：图像及视频生成Sora：OpenAI公司发布的一个文生视频大模型

1.1.3深度学习应用：古卷轴破译赫库兰尼姆卷轴文字的破译赫库兰尼姆卷轴是收藏在赫库兰尼姆城图书馆的古代卷轴，在两千年前的苏威火山喷发时化为了焦炭VesuviusChallenge挑战赛于2023年开展，希望能够邀请全球优秀的研究人员利用新的智能技术破译古老卷轴中的文字参赛人员YoussefNader,LukeFarritor,和JulianSchilliger成功地使用深度学习技术破译了4页卷轴，每页有140个字符，这次破译的卷轴内容大约占全部卷轴的5%

1.1.3深度学习应用：古卷轴破译赫库兰尼姆卷轴文字的破译赫库兰尼姆卷轴是收藏在赫库兰尼姆城图书馆的古代卷轴，在两千年前的苏威火山喷发时化为了焦炭VesuviusChallenge挑战赛于2023年开展，希望能够邀请全球优秀的研究人员利用新的智能技术破译古老卷轴中的文字参赛人员YoussefNader,LukeFarritor,和JulianSchilliger成功地使用深度学习技术破译了4页卷轴，每页有140个字符，这次破译的卷轴内容大约占全部卷轴的5%识别出的字迹的部分结果。“…forwedo[not]refrainfromquestioningsomethings,butunderstanding/rememberingothers.Andmayitbeevidenttoustosaytruethings,astheymighthaveoftenappearedevident!”

1.1.4图灵奖获得者

1.1.5诺贝尔奖获得者

《深度学习》第一章深度学习基础

第二节机器学习李欢南开大学人工智能学院

1.2机器学习机器学习是一类可以从经验中学习的技术学习算法通过提供给它的经验数据来生成模型学习到的模型在面对经验数据中没有出现的情况时，也能提供相应的判断或预测核心：从经验中学习经验来自于数据，用数据训练模型在机器学习中，学习是训练模型的过程通过学习/训练，可以发现合适的参数集，从而使模型执行所需的行为抽象描述：学习一个函数给定输入，输出希望的结果语音识别：输入一段声音信号，输出该段声音的内容图像识别：输入一张图片，输出图片中的内容AlphaGo：输入棋盘上黑白子的位置，输出下一步落子的位置

1.2机器学习机器学习使用流程数据准备和预处理模型构建模型训练测试与泛化

1.2.1数据准备和预处理经验来源于数据数据集由一个个样本组成每个样本由一组称为特征的属性组成，通常将一个样本表示成一个向量，其中向量的每一个元素是一个特征例如，一张图片的特征通常是指这张图片的像素值；医疗患者的特征往往是一组标准的特征（如年龄、生命体征和检查结果）在监督学习问题中，要预测的是一个特殊的属性，被称为标签在监督学习中，样本为（特征，标签）

1.2.1数据准备和预处理数据准备与预处理主要包括:数据收集需要注意数据的代表性和多样性，来保证模型在未知数据上的表现，即泛化能力数据清洗处理缺失值、异常值、噪声、重复数据特征工程标准化：为了消除特征之间量纲不同导致的取值范围差异的影响，将数据按比例缩放，使其落入一个特定的区域特征选择：去掉某些对输出结果没有影响的特征，减少数据的维度数据集划分训练集：用于训练模型，占总数据集的60%-80%验证集：