人工智能应用基础 课件 项目2 机器学习与深度学习.pptx

;技术篇

项目2?机器学习与深度学习;01;;;这背后是人工智能算法在驱动。

它们是怎么执行的？为什么会表现出像人一样的智能？

小时也想学习人工智能技术，利用这项技术造福更多的人。因此，小明想了人工智能算法的相关知识。;;人工智能算法无时无刻不在影响我们的生活。目前人工智能算法中，机器学习与深度学习已成为主流，正是它们藏在我们身旁，才让上面这一切以前不敢想的生活如今成为现实。

要了解人工智能算法是怎么让设备具有智能的，需要学习以下内容：;;人类的智能

我们可以根据三角形的定义，很容易区分出哪些是直角三角形;人类的智能

也可以很容易区分出猫和狗的图片，但此时规则变得很复杂，很难将规则写成计算机程序。;人工智能的子类-机器学习

让计算机从数据中自动寻找规律，并利用学习到的规律对未知或无法观测的数据进行预测，这样的方法就被称为机器学习，并可以用来完成各种识别任务。;人工智能的子类-深度学习

深度学习是机器学习下的一个分支，它的核心是人工神经网络（ArtificialNeuralNetwork,ANN）。它使用多层人工神经网络来模拟人脑的神经元工作方式，数据输入到神经网络时会经过多次处理，相比于传统机器学习而言会比较深，因而叫做深度学习。;人工智能的分类

任何模仿人类或其它生物体智力或行为的方法都叫人工智能。而机器学习是人工智能领域中专指利用数据进行学习的技术，它无需依靠人来定义规则，深度学习则是机器学习领域中受人类神经系统启发的一种技术。;数据的表示方法

在面对声音、图像、文本等输入数据时，语音识别任务可以根据人说话的音频信号，判断说话的内容；图像识别根据输入的图片来判断图中的内容；机器翻译则可以将输入的某一种语言文字转换成一种语言。学习的目的就是要掌握这些数据的规律，将他们转换为对应的输出。;文本表示

在计算机中，每个字符都用一个数字表示，比如有字符串“helloworld”，会将每个字母用一个数字替代。如果是中文字符，会用十六进制来表示，因为英文字母总共只有26个，但汉字的数量有很多。;文本的分词

为了理解单词的含义，需???将句子划分为单词，以单词为基本单位来编码，这个过程称为分词;图像的表示

一张黑白图片，当我们将其中一块区域放大后，就可以明显的看到一个个的像素，它们通过一定的顺序（矩阵形式）进行排列，像素是组成图像的基本单位，每个像素用一个数字表示，叫做灰度值。比如0代表黑色，1代表白色，中间不同的灰度就用0到1之间的小数来代表;声音的表示

声音是通过声波进行传播，声波由物体的振动产生，再经介质传播，最后到达人耳被人感知。计算机没有耳朵，这时候我们就需要把声波转换成便于计算机存储的数字信号。;声波的数字化

经过采样-量化-编码三个步骤将声波转换为能在计算机中存储的数字编码。;机器学习的过程

预处理步骤把原始数据转换成适合机器学习的数据格式，再通过特征提取与转换步骤来获得其中有用的特征，即数据中包含的可利用规律，最后根据这些提取的特征来预测数据内容。;机器学习到的特征

特征是识别图片内容所需要的关键信息，比如猫与狗的识别，机器实际上是在学习提取五官、纹理、轮廓等，然后将这些提取的特征进行比较来进行预测（猫或狗）;监督学习

让计算机“看”大量的手写体数字样本，并利用某种算法对计算机进行训练，使其自动学习到这些数字隐含的特征信息。不过在将数字样本给计算机“看”之前，需要先对每个样本进行标注（也叫标签）。将每个类别的数字图片标注出来，相当于告诉计算机这些数字是什么，让它们自己去学习（提取）其中的特征，这个过程称为训练。;监督学习

在识别猫狗图片时，用数字0代表猫，数字1代表狗，然后将标注后的数据进行训练，当计算机识别出猫时就会输出0，识别出狗时则会输出1。;监督学习

训练用的数据和待预测的数据必须具有相似的规律。我们可以输入不同水果的图片训练一个能识别水果的模型，水果的类别也仅限于模型已经见过的类别，但并不能用来识别手写体数字。;无监督学习

无监督学习模型的输入数据集是不同类型的动物图片，并且这些图片是没有任何标签信息的，也就是说模型并不知道图片中的动物是什么。此时，无监督学习的任务是自行识别动物的特征，根据不同动物之间的相似性将具有相同特征的动物聚集到同一组中，这个过程也称为聚类。;;数据集展示

30张用于垃圾分类的图像，这此图像此时是没有任何标签的，需要我们自己根据图像中物体的材质将这些垃圾分为金属、玻璃、塑料3类。;打开EasyDL平台

进入EasyDL平台：/easydl/，我们是要为图像数据增加标签信息，用于后续的分类任务，所以这里选择“图像分类”。;创建数据集

点击右侧的“数据总览”，可以看到还没有任何数据集，于是点击“创建数据集”按钮。;填写数据集信息

在数据集名称一栏填