第 講
講解內容
學生可學會
一人工智慧、機器學習、神學學習、神經網路發展、典型應用、環境搭建
二python語法織成網
python基本用法
三tensorflow名詞解釋，給出神經網路八股
神經網路八股
四神經網路優化
神經網路基本優化方法
五minist資料集、全連線網路基礎
手寫數字識別，輸出識別正確率
六minist資料集、全連線網路實踐
輸入輸出介面編寫，使**可用
七minist資料集、卷積神經網路基礎
使用cnn手寫數字識別
八imagenet資料集、卷積神經網路實踐
復現網路結構和引數，實現應用
什麼是人工智慧？
圖靈：即艾倫·麥席森·圖靈 alan mathison turing，19120623——19540607，英國數學家、邏輯學家，被稱為電腦科學之父，人工智慧之父。
2023年在**《機器能思考嗎？》中提出來圖靈測試，一種用於判定機器是否具有智慧型的試驗方法：
提問者和回答者隔開，提問者通過一些裝置（如鍵盤）向機器隨意提問。多次測試，如果有超過30%的提問者認為回答問題的是人而不是機器，那麼那麼這台機器就通過測試，具有了人工智慧。
人工智慧：機器模擬人的思維和意識。
2023年4月6日，一台計算機（聊天軟體）成功讓人類相信它是乙個13歲的男孩，成為有史以來首颱通過圖靈測試的計算機。
2023年5月11日，機器依據未見過的書寫系統（例如，藏文）中的乙個字元例項，寫出來同樣風格的字元，說明機器已具備了迅速學些陌生文字的創造能力。
消費級人工智慧產品
| 公司| 消費級人工智慧產品|
| ------------- |:-------------?
|谷歌|assistant|
|微軟|cortana|
|蘋果|siri|
|亞馬遜|alexa|
|阿里|天貓精靈|
|小公尺|小愛同學|
人工智慧先鋒
|姓名|貢獻|
| ------------- |:-------------?
|geoffrey hinton|多倫多大學教授，谷歌大腦多倫多分部負責人，他發表了許多讓神經網路得以應用的**，啟用了整個人工智慧領域|
|yann lecun|紐約大學教授，facebook ai研究室負責人，他改進了cnn演算法，使cnn具有了工程應用價值，現在cnn依舊是計算機視覺領域最有效的模型之一|
|yoshua bengio|蒙特婁大學教授，微軟公司戰略顧問，他推動了rnn 演算法的發展，使rnn得到工程應用，用rnn解決了自然語言處理中的問題|
什麼是機器學習？以班車**時間為例，採用決策樹模型。定義，機器學習是一種統計學方法，計算機利用已有資料，得出某種模型，再利用此模型**結果。
特點：隨經驗的增加，效果會變好。
機器學習與傳統計算機的不同：傳統馮諾依曼計算機工作原理：指令和資料都被預先儲存，按照指令先後順序，逐條讀取並執行。特點：輸出結果是特定的，已經寫在指令了。
而機器學習的輸入不再是寫好的指令，而是資料。輸出是結果出現的概率。它會預先讀取大量資料，訓練處模型。當模型訓練好，再輸入新的資料，輸出新資料所對應的結果。
所以，機器學習要先用以往資料訓練模型，再用模型**新資料的結果。
機器學習三要素：資料、演算法、算力。缺一不可。
可以用孩子認識世界的過程來認識機器學習。如認識貓，多次遇見加介紹，之後即認識。
深度學習：即深層次是經網路，源於生物學腦神經結構的研究。隨著人的成長，腦神經網路逐漸變粗變壯。
生物學中的神經元：眾多樹突彙總於某個神經元，再經過一根軸突輸出。人腦包括860億個神經元，實現多層的神經網路的複雜函式擬合。
2023年，心理學家mcculloch和數學家pitts參考了生物神經元的結構，發表了抽象的神經元模型mp。
計算機中的神經網路發展：感知機第一，即兩層神經網路首尾相連，組成單層神經網路。單層神經網路的缺陷是無法進行異或計算，二層及以上方可。當時計算能力不強，故低潮。
2023年提出了反向傳播演算法bp的雙層神經網路，有效解決了單層神經網路的算力問題。2023年知識向量機svm，改善了神經網路需要調節引數的不足，還避免了神經網路中區域性最優的問題，成為當時人工智慧領域的主流演算法。
直到2023年深層神經網路dbn出現，2023年卷積神經網路cnn的在影象識別領域的驚人表現，又引發了神經網路研究的興起。
機器學習最主要的應用：對連續資料的**（以房價**為例），對離散資料的分類（判斷腫瘤是良性惡性）。
機器學習的應用領域：計算機視覺、語音識別、自然語言處理。
總結：人工智慧，機器模擬人的意識和思維；
機器學習，實現人工智慧的一種方法，是人工智慧的子集。
深度學習，是深層神經網路，是機器學習的一種實現方法，是機器學習的子集。
機器學習的過程
單個神經元
避免相容性問題，同一版本
ubuntu 16.04
python 2.7
tensorflow 1.3.0
人工智慧實踐教程（一）
本文為 人工智慧實踐教程 學習總結和感悟，先寫書中內容，再寫自己的思考 2017年10月20日，實驗室 現在人工智慧就是用計算機去模擬人類智慧型。為什麼計算機可以模擬人類的智慧型？這是因為人和計算機都是物理符號系統。能夠實現輸入符號 輸出符號 儲存符號 複製符號 通過找出符號間關係建立符號結構 條件...
人工智慧實踐 1 概述
cnn 卷積神經網路 convolutional neural network rnn 迴圈神經網路 recurrent neural network 機器學習 統計學方法，計算機利用已有資料，得出某種模型，再利用此模型 結果 三要素 資料 演算法 算力 機器學習的主流應用 連續資料的 離散資料的分...
人工智慧教程 人工智慧暑期課實踐專案建議
每4 5 人乙個小組，從下面的候選中選擇題目 1 手寫數字識別增強版。在 mnist示例程式 的基礎上進一步擴充套件，階段要求 能實現多個數字的手寫體識別 能實現加減乘除符號的識別 微軟講師提供 識別單個字元的基本版程式。給學生的建議 我們通過這個練習要學會如何增量改進人工智慧模型 把已有模型加強，...