第一章講了基本概念以及評價指標，了解到了什麼是機器學習，怎樣才算識別效果比較好,以及如何用數學表達。第二章就正式開始講分類的方法了，講述了用距離進行分類，其中用歐式距離要消除特徵之間的相關性，以及量綱的影響，所以就引入了micd分類器，但micd分類器的缺陷是距離相等的時候會選擇方差較大的那一類，也有問題。後面就用了概率論的方法來解決問題，使用map分類器，通過比較後驗概率來進行決策，後驗概率的求解可以根據貝葉斯公式，但是要先求得先驗概率和觀測概率，對於監督式學習，有引數估計和非引數估計法，常用的引數估計法分為最大似然估計和貝葉斯估計，最大似然估計對於估計的引數是確定的，通過微分運算可求得估計的引數，而貝葉斯分布的估計引數是乙個隨機變數，隨著樣本數量的增加，貝葉斯估計會更加準確。但是引數估計的基礎必須建立在概率分布已知的情況下，否則就只能用非引數估計法，比如knn估計，估計乙個非常小的區域的概率密度，來求得乙個落入這個區域的概率。總的來說來說很有收穫的，這裡面最大的乙個問題是用到了很多線代和概率論的數學知識，要學好機器學習必須把他們學好。
人工智慧最新前沿技術——自動化機器學習（automl）
2017 年 5 月，谷歌在 i/o 大會上發布了 automl，他們將 automl 應用到了深度學習的影象識別和語言建模的兩大資料集中，他們提供的 cloud automl 和 google nas 演算法結合，把完整的機器學習工作做成了雲端產品，使用者只需要提供資料，cloud automl 將自動構建深度學習模型。換言之，automl想要做到的，正如其名：自動化機器學習。
傳統的ai模型訓練往往要經歷特徵分析、模型選擇、調參、評估等步驟，這些步驟需要經歷數月的時間，如果完全沒經驗，時間會更長。automl雖然也需要經歷這些步驟，但是通過自動化的方式，可以減少這些步驟的時間。
選擇怎樣的引數，被選擇的引數是否有價值或者模型有沒有問題，如何優化模型，這些步驟在從前是需要依靠個人的經驗、知識或者數學方法來判斷的。
而automl可以完全不用依賴經驗，而是靠數學方法，由完整的數學推理的方式來證明。通過資料的分布和模型的效能，automl會不斷評估最優解的分布區間並對這個區間再次取樣。所以可以在整個模型訓練的過程中縮短時間，提公升模型訓練過程的效率。
如何促進技術公平，降低技術應用門檻，讓不懂技術的使用者也可以使用人工智慧；如何優化機器學習的流程和結果，輔佐資料科學家們投入更有價值的工作，正是 automl 以及人工智慧領域未來希望攻克的難題之一。
在2023年谷歌云全球next大會上，李飛飛宣布，谷歌automl vision進入公共測試版，並推出了兩款新的automl產品：automl natural language和automl translation。
這個名為cloud automl的巨集大專案浮出水面之時，被業內稱為「google cloud發展的戰略轉型」——一直以來面向機器學習人工智慧開發者的google cloud，這次將服務物件轉向了普羅大眾。你只需在改系統中上傳自己的標籤資料，大能得到乙個訓練好的機器學習模型。整個過程，從匯入資料到標記到模型訓練，都可以通過拖放介面完成。
easydl 在 2017 年 11 月初上線了定製化影象識別服務，並在業內展開公開測試。在 2018 年 4 月、5 月和 7 月陸續發布了定製化物體檢測服務、定製化模型裝置端計算和定製化聲音識別等多個定製化能力方向，並形成了從訓練資料到最終定製化服務的一站式端雲一體平台。
目前 easydl 的各項定製能力在業內廣泛應用，累計過萬使用者，在包括零售、安防、網際網路內容審核、工業質檢等等數十個行業都有應用落地，並提公升了這些行業的智慧型化水平和生產效率。
此外，曠視原創自研的人工智慧演算法平台brain++也整合了行業領先的automl技術，對深度學習演算法的各個關鍵環節進行自動化的設計、搜尋和優化。
曠視brain++ automl技術以one-shot方法為核心，力圖一次訓練即可完成自動化過程，將計算代價減小至傳統automl方法的萬分之一，在可控的時間內搜尋出高效能、易部署的模型結構。
相比於市場上的automl技術，曠視的automl技術有以下優勢：
1. 計算代價小。傳統的automl技術常常需要多次訓練模型甚至會遍歷部分模型空間，計算代價巨大。曠視的automl技術以one-shot方法為核心，只需訓練一次即可得到整個模型空間的刻畫，大大減小了計算代價，只是平常訓練代價的1-3倍。
2. 應用範圍廣。曠視的automl技術提供了一套完整的解決方案，覆蓋了大部分業務，包括活體檢測、人臉識別、物體檢測、語義分割等。
3. 部署方便。曠視的automl技術涵蓋了資料處理、模型訓練、模型壓縮、模型量化等流程，自動處理從資料到落地。
4. 精度高。曠視的automl技術在諸多視覺任務上，超過人類手工設計，達到了業界最優。
#我國在人工智慧領域的不足
上紐大電腦科學教授張崢用乙個「人」字來形容目前中國人工智慧技術的優勢與不足。「中國的人口基數大，意味著市場需求巨大，這對促進人工智慧發展來說十分有利。」他說，「與此同時，中國在智慧型領域的原創型尖端人才十分稀缺，這也是需要正視的問題。」張崢表示，以人工智慧為例，我國科研界存在「零減」現象，即看似與國際發達水平差距為零，但依然長期落後。他認為，這一現象源於我們總是處於跟風狀態，而不是超前地瞄向前沿。
畢馬威中國科技及資訊主管合夥人吳劍林則認為，中國擁有全球最大的商業市場，也擁有一大批優秀的數學人才，但需要做好產學研的整合工作，這樣才能大力推進人工智慧的發展與應用。
上海交通大學軟體學院教授陳海波提出，上海人對於生活的高品質追求，也十分有利於把人工智慧技術做到極致，相信這樣的使用者體驗會在不同的領域裡不斷地呈現出來。
加州大學伯克利分校計算機系教授宋曉東對中國人工智慧人才培養提出了自己的看法。她表示，中國學生在基礎技能方面處於世界領先地位，但創新及獨立思考能力相較於歐美學生則有所欠缺。「中國學生普遍重視短期成果，對於解決某一科學問題則好奇心不足，同時，中國學生還需要更多的自信心。」她說。
第一次個人作業
1.先驗概率 prior probability 是指根據以往經驗和分析得到的概率。即沒有考慮原因，在獲得資料和依據之前就對概率進行了猜測，得到了概率。2.似然函式 likelihood function 似然用來描述已知隨機變數輸出結果時，未知引數的可能取值。似然函式關注的是由已知的結果和某固有屬...
第一次個人作業
該作業所屬課程 homework 3340 團隊名稱 腦殼痛作業的目標 1.通過測試其他組的軟體專案學習其他組的優勢之處.2.及時反饋提供建議以供他人做修改 姓名 胡楊帥 學號 201731091129 測試一 團隊名 求莫名堂 專案名 點遊戲 測試截圖 上手體驗感覺如何？能否正常執行？體驗不是特別...
第一次個人作業
這個作業屬於哪個課程 這個作業要求在 homework 10974 這個作業的目標 自我介紹，課程期望 學號 211806308 我是軟體工程專業18級的學生陳甜，平常比較喜歡聽 看 享受美食。拖延症患者，主動性較差，但是對於老師布置的任務都能盡力完成。閒暇時間在完成任務的情況會出門覓食，享受品嚐食...