目标
- 掌握AI工具
完成环境配置，熟练使用常用工具包 - 完成AI任务
掌握成熟 标准的任务解决方法 - 提升综合能力
熟练运动多种模型，评估表现，优化结构，搭建混合模型：深度+机器+符号学习
概念
人工智能 是指由人制造出来的机器所表现出来的智能 人工智能就其本质而言，是机器对人的思维或行为过程的模拟，让它能像人一样思考或行动
深度学习包括 监督学习 非监督学习 强化学习
工具
python
是一种解释型的，面向对象的，移植性强的高级程序设计语言
jupyter
jupyter notebook 是一个开源的web应用程序，允许开发者方便的创建和共享代码文档，可以实时写代码，运行代码，查看结果，并可视化数据
pandas
强大的分析结构化数据的工具集。可以快速实现数据导入导出
matplotlib
py 绘图
NumPy
使用python进行科学计算的基础软件包
Sklearn
keras
anaconda
anaconda是一个方便的python包管理工具和环境管理软件
标准的实战训练流程
- 数据加载以及展示
- 数据预处理
- 模型建立及训练
- 模型预测
- 结果展示及表现评估
应用场景
- 回归任务
- 分类任务
- 监督学习
- 非监督学习
- 迁移学习，混合算法
强人工智能
机器有真正推理和解决复杂问题的能力，有”自主意识“ 机器综合思考能力已经达到甚至已经超过人类
弱人工智能
机器不具备真正推理和解决复杂问题的能力，无自主意识 机器基于某种特征可解决部分问题，成为一个强有力的工具
符号学习
symbolic learning
基于逻辑与规则的学习方式，其原理主要为物理符号系统假设和有限合理性原理
专家系统
根据既有的逻辑和顺序告诉机器接下来做什么，遵循 if...then...原则
机器学习
从数据中寻找规律，建立关系，根据建立的关系去解决问题的方法 从数据中学习并实现自我优化与升级
机器学习和深度学习的关系
人工智能 > 机器学习 > 深度学习
机器学习是一种实现人工智能的方法，深度学习是一种实现机器学习的技术
机器学习：使用算法来解析数据，从中学习，然后对真实世界中的事件做出决策和预测，比如垃圾邮件检测，房价预测
深度学习：模仿人类神经网络，建立模型，进行数据分析。比如 人脸识别，语义理解，无人驾驶
Anaconda 操作
查看环境
conda info --env
激活环境
conda activate tf3.7
取消激活环境
conda deactivate tf3.7
pip安装软件 使用代理
pip install --index-url pypi.douban.com/simple scipy
卸载包
conda uninstall [package]
查看当前环境下安装的所有包
conda list
启动 jupyter
jupyter notebook
安装主题jupyter
pip install jupyterthemes
加载主题列表
jt -l
使用主题
jt -t grade3 -f fira -fs 16 -cellw 90% -ofs 11 -dfs 11 -T
返回默认主题
jt -r
问题
create --prefix=python3.8 python=3.8 安装python3.8的环境 prefix名称
出现代理错误
这时候使用清华的代理 如下 ssl_verify: true channels:
- mirrors.tuna.tsinghua.edu.cn/anaconda/pk…
- mirrors.tuna.tsinghua.edu.cn/anaconda/pk… show_channel_urls: true
在main后 加入了 osx-64 去掉了 -defalut https替换成了http
