2020-8-11 PaddlePaddle 机器学习和深度学习综述
学习地址
PaddlePaddle 机器学习和深度学习综述
人工智能、机器学习和深度学习的关系
概括来说,人工智能、机器学习和深度学习覆盖的技术范畴是逐层递减的。人工智能是最宽泛的概念。机器学习是当前比较有效的一种实现人工智能的方式。深度学习是机器学习算法中最热门的一个分支,近些年取得了显著的进展,并替代了大多数传统机器学习算法。三者的关系如 图1 所示,即:人工智能 > 机器学习 > 深度学习。
机器学习
概念
区别于人工智能,机器学习、尤其是监督学习则有更加明确的指代。机器学习是专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构,使之不断改善自身的性能。
机器学习实现
1.训练(归纳): 从具体案例中抽象一般规律
2.预测(演绎): 从一般规律推导出具体案例的结果
机器学习模型构造
其本质为 参数估计
1.模型假设:在圈定的假设空间内寻找最优的Y~X关系,即确定参数W
2.评价函数:评价一个Y~X关系的好坏的指标。通常衡量该关系是否能很好的拟合现有观测样本,将拟合的误差最小作为优化目标。
3.优化算法:设置了评价指标后,就可以在假设圈定的范围内,将使得评价指标最优(损失函数最小/最拟合已有观测样本)的Y~X关系找出来,这个寻找的方法即为优化算法。最笨的优化算法即按照参数的可能,穷举每一个可能取值来计算损失函数,保留使得损失函数最小的参数作为最终结果。
神经网络的三个核心点
1.神经元:神经网络中每个节点称为神经元,由加权和、非线性变换(激活函数)组成。
2.多层链接:大量这样的节点按照不同的层次排布,形成多层的结构连接起来,即为神经网络。
3.前向计算(得到输出)和后向传播(更新参数)
深度学习
先决条件
大数据涌现,硬件发展,算法优化
深度学习带来的改变
1.实现了端到端的学习
2.实现了深度学习框架标准化
作业
1.类比牛顿第二定律的案例,在你的工作和生活中还有哪些问题可以用监督学习的框架来解决?模型假设和参数是什么?评价函数(损失)是什么?
答:
在不考虑其它因素的情况下,学习时间和考试分数的关系。
模型:Y=m*X
Y:输出,考试分数
X:输入,学习时间
m:参数
评价函数:
2.为什么说深度学习工程师有发展前景?怎样从经济学(市场供需)的角度做出解读?
答:
1)深度学习作为新兴产业,行业渗透深,市场范围广,能够大量减少各产业在人力物力上的成本,而且更深层次的人工智能领域如自动驾驶仍然需要大量的深度学习人才。
(补充点:深度学习实现了端到端的学习及框架标准化,很大程度上降低了行业小白们入门的门槛,不再需要花费大量时间在其它学科知识上,降低了学习成本,使成为深度学习工程师的前进道路更加顺利。)
- 1机器学习和深度学习综述(百度架构师手把手带你零基础实践深度学习原版笔记系列)
- 1-1 机器学习和深度学习综述
- 深度学习花书第五章-机器学习基础
- 飞桨PaddlePaddle百度架构师手把手带你零基础实践深度学习——第一周实践作业理解
- 机器学习 深度学习 计算机视觉 资料汇总
- 百度飞桨PaddlePaddle-21天零基础实践深度学习-卷积神经网络基础
- 关于飞桨PaddlePaddle深度学习实践AI识虫实战
- PaddlePaddle学习之使用PaddleDetection在树莓派4B进行模型部署(二)--- 深度学习模型训练
- 数据科学速查表大全(机器学习和深度学习工程师用)
- 机器学习深度学习基础笔记(2)——梯度下降之手写数字识别算法实现
- 整理:深度学习 vs 机器学习 vs 模式识别
- 深度学习时代的目标检测算法综述
- 机器学习(Machine Learning)&深度学习(Deep Learning)资料(Chapter 1)
- 深度学习第50讲:语音识别综述——从概念到技术(下)
- 【机器学习深度学习】教程——学习率,批梯度下降,归一化
- 机器学习 —— 深度学习 —— 基于DAGNN的MNIST NET
- 机器学习 Machine Learning 深度学习 Deep Learning 资料
- 大数据,人工智能,深度学习,机器学习课程收集
- MATLAB深度学习笔记(三) 机器学习的类型
- LeCun、Bengio和Hinton之深度学习综述(下)