跟我一起學人工智慧(一)
文 | 小步
系列第一講正式開課啦，課程全都是可以實操的乾貨，到後面ai演算法+python**可以結合做出乙個簡單的人工智慧應用~
因本人也對ai領域涉足不久，如文章有不妥之處還請各位大神與我多多交流，此系列文章也屬於我學習ai過程中的總結，我也會做到盡量寫出只要是高中畢業就能看懂的教程~
學習人工智慧其實說白了就是學習機器學習和深度學習這兩個，利用它們可以實現像是我們熟悉的影象識別，語音識別，房價**，量化投資等~
為了避免你連機器學習和深度學習是什麼都不知道，我先來簡單介紹下它們兩個：
所謂機器學習就是實現人工智慧的一種方法，我們怎麼實現人工智慧，答案是通過機器學習，它通過經(shu)驗(ju)來鍛鍊自己，形成能夠表示所有資料特徵的模型，通過該模型可以分析、**某個行為的走向趨勢，其中機器學習包含了許多種演算法來分析事物特徵之間的關係，比如貝葉斯網路，線性回歸模型等傳統的機器學習演算法，而後來科學家們又研究出了模擬生物神經網路的深度學習，說白了，深度學習是實現機器學習的一種演算法，目前來看，深度學習這種演算法在實現人工智慧方面雖不成熟，但**準確性更高，長遠來看，可能會代替掉機器學習中其他傳統演算法。
我們先來學習下機器學習。
監督學習與無監督學習
機器學習分為監督學習與無監督學習，監督學習是指通過給定一堆資料的特徵以及該資料對應的標籤，通過機器學習我們可以找出資料特徵之間的關係模型，給定乙個新的一組資料，通過關係模型我們可以輕而易舉得知道該組資料對應哪個標籤~而無監督學習是指只給定一堆資料的特徵，不給標籤，通過機器學習演算法自動得給這一堆資料新增標籤，給定一組新的資料，根據該組資料的特徵，我們也能將它貼上對應的標籤~
監督學習與無監督學習說白了就是輸入資料有標籤還是無標籤的區別。
還是不理解？舉個例子，給出一堆腫瘤的資訊，每條腫瘤資訊包括大小，面積，重量等(輸入資料集合)，當然也包括乙個標籤，是否為惡性(輸出結果)。通過機器學習演算法我們可以找出它們之間存在的某種關係，給定一條新的腫瘤資訊，那我們通過得出的關係可以輕而易舉得推測這個腫瘤是惡性還是良性~這就是監督學習。(認貓例子，遇見乙隻貓，我告訴你這是乙隻貓，遇見另乙隻貓，我告訴你這也是貓，如此反覆，最後通過反覆得訓練，遇見乙隻貓，你就知道這是乙隻貓了~這也是監督學習的例子，就是灌輸資料的時候，我順便把這個資料結果是什麼告訴你。)
而無監督學習是什麼呢？一群動物，有貓有狗有大象，通過它們的資訊特徵以及機器學習演算法，將同一類的分成一組~在灌輸資料的時候，我不告訴你這個資料結果是什麼，你根據資料的特點對這組資料進行分類貼標籤~
and
跟我一起學攝影
咦 好巧！我也是攝影愛好者。咱們一起學習吧。或許你也有這樣的體驗，並茂的文章更能讓人快速進入學習狀態，更何況是攝影，必須有圖。下面是我彙總的資料，必須深入淺出，拒絕一切晦澀難懂。學習課本 1.佳能官網 能系統學習攝影知識，從入門 初級 中級 高階 高階。每個頁面講解乙個知識點，結合實際的拍攝效果，深...
跟我一起學OpenGL texture 紋理
前面學習了畫普通的圖形，但是顏色比較單一，有什麼好的方法讓圖形顏色更加豐富，更加真實呢？texture 中文譯為紋理 就可以扮演這一角色，本節則簡單說明texture的使用。執行下面的程式，便可出現乙個黑白相間的棋盤 1 include 2 include 3 include 4 using nam...
跟我一起寫 Makefile
概述 什麼是makefile？或許很多winodws的程式設計師都不知道這個東西，因為那些windows的ide都為你做了這個工作，但我覺得要作乙個好的和professional的程式設計師，makefile還是要懂。這就好像現在有這麼多的html的編輯器，但如果你想成為乙個專業人士，你還是要了解h...