人工智能基础与应用 AI 的蓬勃发展：AI 的关键技术.pptxVIP

模块3AI的蓬勃发展：AI的关键技术

CONTENTS目录探索新技术与应用：机器学习让机器认识你：计算机视觉获取信息：信息检索技术让机器听你指挥：人机交学习目标了解人工智能的机器学习的发展历程、原理框架及应用。了解人工智能的自然语言处理及应用。了解人工智能的人机交互及应用。了解人工智能的计算机视觉及应用。了解人工智能的生物特征识别及应用。了解人工智能的信息检索技术及应用。知识目标能够合理运用人工智能的关键技术及其原理。能够使用人工智能的关键技术解决现实中的案例问题。能力目标培养细心探究的基本素质。培养实事求是的科学态度。培养利用信息手段收集资料的能力。素质目标

第1讲01探索新技术与应用：机器学习

导读导学机器学习是通过计算模型和算法从数据中学习规律的一门学问，在各种需要从复杂数据中挖掘规律的领域中有很多应用，已成为当今广义的人工智能领域最核心的技术之一。近年来，人工智能技术对人类社会的影响越来越深远与广泛，它正在为农业、医疗、教育、能源、国防等诸多领域提供大量新的发展机遇。第1讲探索新技术与应用：机器学习

典型案例回想小时候上幼儿园，老师和家长会教我们认识从1到10的数字，带我们学习“人”“大”“天”……这样的汉字，我们是如何学会的呢?每个人写出来的字体都不一样，而我们会去找一些共同之处。例如，“1”是从上到下的一竖，看老师写过几次之后，就算字体有些偏斜、粗细不均匀，我们也能把这个字符和“1”这个概念关联起来，这个过程就是“学习”，图3-1所示为不同字体的“1”。图3-1不同字体的“1”第1讲探索新技术与应用：机器学习

启发思考深度学习是机器学习的重要分支，有了这种技术，机器学习才能够实现众多的应用，并拓展人工智能的应用范围。深度学习摧枯拉朽般地完成了各种任务，使得众多的机器辅助功能都变为可能。无人驾驶汽车、预防性医疗保健、电影推荐等都近在眼前。有了深度学习，人工智能甚至可以达到如电影《星球大战》中的C-3PO、《终结者》中的T-800等机器的水平。在学习本讲内容前请先自主思考以下问题，并带着问题学习本讲后面的知识。（1）机器学习究竟为何物？它的发展历程又是怎样的？（2）现实生活中运用机器学习的实例有哪些？第1讲探索新技术与应用：机器学习

知识要点知识点1机器学习概述1.机器学习的发展历程20世纪80年代萌芽时期此时的机器学习尚不具备影响力。1990—2010年蓬勃发展期学术界诞生了众多的理论和算法，机器学习真正走向了实用。2012年之后深度学习时期深度学习技术诞生并急速发展，较好地解决了现阶段AI的一些重点问题。第1讲探索新技术与应用：机器学习

2.机器学习的原理框架基于学习形式的不同，通常可将机器学习算法分为监督学习、无监督学习、半监督学习、强化学习及深度学习五类。机器学习，即通过自主学习和分析大量数据中存在的规律，获得新经验和知识，从而提高计算机智能，使得计算机拥有类似人类的能力。机器学习中需要解决的最重要的四类问题是预测、聚类、分类和降维。第1讲探索新技术与应用：机器学习

（1）监督学习。监督学习指用打好标签的数据训练算法，以预测新数据的类型或值，即给学习算法提供标记的数据和所需的输出，对于每一个输入，学习者都被提供了一个回应的目标。监督学习被用于解决分类和回归问题。常见的监督学习算法有决策树、人工神经网络算法、支持向量机、朴素贝叶斯、随机森林等。第1讲探索新技术与应用：机器学习

（2）无监督学习。无监督学习指在数据没有标签的情况下进行数据挖掘。无监督学习的典型方法有K-聚类及主成分分析等。无监督学习主要用于解决聚类和降维问题，常见的算法有聚类算法、降维算法。（3）半监督学习。半监督学习，根据字面意思可以理解为是监督学习和无监督学习的混合使用，事实上是在学习过程中有标签数据和无标签数据相互混合使用。一般常见的半监督学习算法有自训练算法、基于图的半监督算法和半监督支持向量机。第1讲探索新技术与应用：机器学习

深度学习是建立深层结构模型的学习方法，典型的深度学习算法包括深度置信网络、卷积神经网络、受限玻尔兹曼机和循环神经网络等。深度学习的特点是放弃了可解释性，单纯追求学习的有效性。（5）深度学习。强化学习指通过与环境的交互获得奖励，并通过奖励的高低来判断动作的好坏进而训练模型的方法。常见的强化学习算法有马尔可夫决策过程等。（4）强化学习。第1讲探索新技术与应用：机器学习

机器学习的常见算法还包括迁移学习、主动学习和演化学习等。（1）迁移学习。迁移学习是指当在某些领域无法取得足够多的数据进行模型训练时，利用另一领域数据获得的关系进行的学习。（2）主动学习。主动学习通过一定的算法查询最有用的未标记样本，并交由专家进行标记，然后用查询到