1、人工智慧的發展史
發展歷史
① 1945 圖靈測試
② 1955 「人工智慧」一詞在乙份關於召開國際人工智慧會議的提案中被提出，正式宣告人工智慧作為一門學科的誕生
③ 1986 具有里程碑意義的**《通過誤差反向傳播學習的表示》
④ 2007 李飛飛和同事建立imagenet（大型注釋影象資料庫，旨在幫助視覺物件識別軟體進行研究）
⑤ 21世紀 人類進入「大資料」時代
⑥ 2016 谷歌alphago
2、人工智慧在各行各業的應用
3、人工智慧的概述
人工智慧的定義
4、什麼是機器學習
機器學習的定義
5、監督學習與非監督學習的例項講解
監督學習概念
從給定的訓練資料集（歷史資料）中學習出乙個函式，當新的資料到來時，可以根據這個函式**結果。監督學習的訓練集需要包括輸入和輸出，也可以說是特徵和目標。訓練集中的目標是由人標註的。
監督學習：回歸
通過特徵值得到目標值
回歸模型的評估標準：
回歸模型的評估值為mae（平均絕對誤差）、mse（均方誤差）、rmse（均方根誤差）。上述三個誤差值是指評分真實值與**值之間的誤差，在多次建模的過程中，每一次建模的結果都會產生一組誤差值，評判乙個回歸模型好壞的方法就是看這三個誤差值是否變小或者變大，誤差值越小，表示回歸模型越好。
監督學習：分類
分類模型的評估標準：
非監督學習：聚類
判斷依據：聚類中心之間的平均距離，和集群中心點到最遠點的距離相比，這個比列越大，聚類的分離程度越大。
機器學習流程
核心流程：
資料收集 -> 資料處理 -> 模型訓練 -> 評估模型 -> 應用模型
資料收集：理解資料的含義、資料質量評估
資料處理：資料清洗（去噪、去重）、資料格式轉換、特徵提取
模型訓練：了解常用的機器學習的演算法，選擇合適的演算法去訓練
模型評估：通過測試資料集去**目標，分析評估模型指標資料，評估結果視覺化
應用模型：匯出或發布模型進行運用，最後對模型的效果進行反饋
6、如果快速掌握ai應用的能力
角色定位
ai應用工程師：主要是行業運用結合，開發各種應用或者中介軟體
ai售前工程師：主要是結合各行業，提出各種ai應用的場景，向客戶提供解決方案
ai整合工程師：主要是與ai產品**商合作，提供整體整合解決方案，包括實施和運維
ai產品經理：主要是將ai功能落地到產品上，提公升產品互動體驗，增強產品競爭力
ai研發工程師：主要負責核心ai技術的研發工作（演算法、模型）
應用技能：
1、掌握一門程式語言
2、理解機器學習的原理
3、熟悉雲平台和ai應用整合方式（介面api或者sdk）
4、至少會一種介面除錯工具（postman）
人工智慧基礎 什麼是人工智慧
人工智慧是一門研究如何構造智慧型機器 智慧型計算機 或智慧型系統，使它們能夠模擬 延伸和拓展人類智慧型的學科。個人理解就是 研究人的智慧型，並且把人的智慧型放到機器上面，代替人思考。人工智慧發展簡史 孕育階段 1.亞里斯多德三段論 2.英國哲學家培根 知識就是力量。3.萊布尼茨 建立一種通用的符號語...
人工智慧基礎
python和人工智慧的恩恩怨怨，首先要從python開始。python的知識點引至 金角大王的部落格 python one python的目標都在內建檔案裡，只需要在python直譯器中輸入 import this python所追求的目標都在裡面了。python 是一門什麼語言呢？當然是一門計算...
網易雲課堂人工智慧數學基礎
課程目錄 01ai數學基石 第1章 高等數學 1.1 導數和偏導數 1.2 梯度向量 1.3 極值定理 1.4 jacobbi矩陣 1.5 hessian矩陣 1.6 泰勒展開公式 1.7 拉格朗日乘數法 第2章 線性代數 2.1 向量及其運算 2.2 範數 2.3 矩陣及其運算 2.4 逆矩陣 2...