本文已参与「新人创作礼」活动，一起开启掘金创作之路。
人工智能:前所未有的主动工具
1.it上最大的成本在于遗留系统改造
2.数字化改革:类似最开始的雅虎,如果把所有东西都安排好,规划好那样是很累的;
3.最开始的iphone解决了两个问题
1.下载手机软件有专门的市场,给开发者一个平台,构造了生态,满足群众的要求
2.触摸屏
4.欧几里得《几何原本》
5.一个功能是否能够通过人工智能实现？
1.是否有x\y之间的对应关系
2.是否能够通过智能实现，而不是人工
3.是否拥有足够的数据？
6.贝叶斯：p(A|B)=P(B|A)P(A)/P(B) 是一个不断验证的过程
7.人工智能：
1.得到现在的数据
2.拟合
3.求拟合出来的东西，与现实数据的差别，得到一个函数（是和拟合中的a,b有关的函数)
4.求损失函数最小的情况之下，a，b是最小的，从而算得最好的拟合
如何计算损失函数最小？使用梯度下降！（但是找到的是局部最优）
1）假设你被随便扔到一个山上，你环顾四周，找一个目前看上去最快下山的方向\
2）下山\
3）到了下一个位置之后再重复1中操作\
8.最简单的分类模型：逻辑回归
9.术语：
1.参数与超参数
2.特征就是x（即输入）
3.目标y（输出）
10.监督和无监督
监督：D{（X，Y）}
无监督：D{（X）}
半监督
11.随机梯度下降：
假设原来特征100个，通过100个的求和得到最佳解
但是如果使用随机梯度下降，就可以使用简单的方法只取5个进行采样。
12.机器学习的流程：
1.准备训练数据
2.选择模型
3.选择损失函数（有些是计算差，有些是方差），其实我需要训练的东西就是要优化的目标，
4.训练：梯度下降优化损失函数，找到最优参数
5.推理：用训练好的模型，输入x，得到y
（难度不在于代码的实现，而是在于了解你代码需要优化的方向，解决你的问题）
13.python：
1.经典机器学习库：sklearn
2.用于深度学习，人工神经网络：tensorflow，pytorch，
14.欠拟合：
画出学习曲线，如果拟合都没拟合上，就是欠拟合
15.是否存在过拟合？
先画出你的学习曲线，如果你的训练数据和测试数据损失相差很大，就有可能是过拟合了
其实，如果有很多很多和过拟合在一起，求平均，大概就不会存在过拟合了
异或通过打破网络的一些固有结构，减轻过拟合
正则化也可以，让一些不重要的参数无限去向于0
正则：拟回归、lasso回归（lasso用的是绝对值，更好，但是差别不会很大；拟回归用的是平方）
16.交叉验证：
寻找一些超参数
