第一章50课件讲解.pptxVIP

第一章汇报人：人工智能专业绪论

机器学习的应用领域PARTONE

技术的不断进步，使得机器学习的应用领域越来越宽广，应用效果也越来越显著。总体来说，机器学习的应用主要集中在语音识别、计算机视觉、自然语言处理、自动驾驶与大数据分析等领域。1.2机器学习的应用领域

1．语音识别语音识别是让机器理解人说话的声音信号，并将其转换成文字的过程，它是机器学习较早的应用领域。语音识别算法是语音输入法、人机对话系统等应用的关键技术。例如，智能家居中，只要与智能音箱进行简单对话，就能控制家电的开关状态，给人们的生活带来了极大的便利。1.2机器学习的应用领域

2．计算机视觉计算机视觉是研究如何让机器“看”的科学。目前常用的计算机视觉技术包含人脸识别、指纹识别、车牌识别等。其目的在于使用计算机代替人眼，对目标进行识别、跟踪，以及估计目标的大小与距离等。1.2机器学习的应用领域

拓展阅读计算机视觉与机器视觉的区别计算机视觉是利用计算机及其辅助设备来模拟人的视觉功能，实现对客观世界三维场景的感知、识别和理解；机器视觉就是用机器代替人眼进行测量和判断。一，概念不同计算机视觉侧重理论算法的研究，强调理论；机器视觉侧重工程的应用，强调实时性、高精度和高速度。二，侧重点不同1.2机器学习的应用领域

3．自然语言处理自然语言处理（见图1-3）是计算机科学与语言学相结合而产生的一个应用领域，主要研究使用电子计算机模拟人的语言交际过程，使计算机能理解和运用人们生活中使用的自然语言，实现人机之间的自然语言通信，从而进一步实现计算机代替人进行部分脑力劳动的目标。其中，部分脑力劳动主要包括查询资料、解答问题、摘录文献、汇编资料，以及一切与自然语言信息有关的加工处理。图1-3自然语言处理1.2机器学习的应用领域

3．自然语言处理自然语言处理通常包括自然语言分析包括分词方法、命名实体识别、句法分析、语义分析等方面的研究，这些方面的研究都以机器学习技术为基础，如对分词方法的研究会涉及隐马尔可夫模型；自然语言生成是将存储于计算机中的数据转化为人们能够理解的自然语言。1.2机器学习的应用领域

高手点拨语言的理解和生成是一个极为复杂的解码和编码过程。一个能够理解自然语言的计算机系统看起来就像一个人一样，它不仅能理解上下文知识和信息，还能用信息发生器进行推理。理解和书写语言的计算机系统需要具有表示上下文知识结构的某些人工智能思想，以及根据这些知识进行推理的某些技术。1.2机器学习的应用领域

4．自动驾驶自动驾驶的研究在20世纪80年代就开始了。近几年，自动驾驶汽车（见图1-4）获得了飞跃式的发展。奥迪、大众、宝马等传统汽车公司均投入巨资研发自动驾驶汽车，目前已有产品进入市场。2011年6月，美国内华达州通过法案，成为美国第一个认可自动驾驶汽车的州，此后，其他州也相继通过类似法案。自动驾驶汽车有望在不久的将来出现在普通人的生活中，而机器学习技术则起到了“司机”的作用。图1-4自动驾驶汽车1.2机器学习的应用领域

5．大数据分析机器学习与大数据的结合将产生巨大的价值。目前，机器学习技术已经在电子商务、互联网金融、旅游推荐、社交网络分析等众多行业和领域中得到广泛应用。例如，在金融领域，银行可利用机器学习技术，对消费者的刷卡数据进行统计和分类，从而获得消费者的消费习惯、消费能力和消费偏好等具有商业价值的数据信息，向消费者精准推荐各种服务（如理财或信贷服务）；电信行业可以借助以机器学习为基础的大数据处理软件，对用户信息进行处理，从而得到能够查询客户信用情况的数据，使得第三方企业可以凭借这些数据信息制订市场分析报告或对目标客户群体的行为轨迹进行分析。1.2机器学习的应用领域

素养之窗2022年9月6日，“2022智能经济高峰论坛”在北京举行。本次论坛的主题为“智能经济助推实体经济高质量发展”。会上，百度智能云重磅发布全新战略“云智一体，深入产业”及“云智一体3.0”架构，还展示了在多个领域的产业智能化落地成果。其中，产业级深度学习平台——飞桨，是一个便捷的深度学习框架，官方开源算法新增了100多个，整体模型数量超过了500个。目前，智能化已经应用到了水电能、制造、政务、交通及金融等产业领域，助力提升我国产业的核心竞争力。1.2机器学习的应用领域

机器学习应用领域：语音识别、计算机视觉、自然语言处理、自动驾驶与大数据分析课堂小结

THANKSFORYOURWATCHING汇报人：人工智能专业感谢观看