测试开发技术网站

[【原文链接】AI----人工智能简介](http://devops-dev.com/article/678)

# 一、人工智能简介
## 1.1 人工智能发展的要素
* 数据
* 算法
* 计算力

## 1.2 CPU和GPU的区别
* CPU主要适合I/O密集型的任务
* GPU主要适合计算密集型任务

## 1.3 人工智能、机器学习、深度学习的联系
* 机器学习是人工智能的实现途径
* 深度学习是机器学习的一个方法
![](https://redrose2100.oss-cn-hangzhou.aliyuncs.com/img/00aea034-588e-11ee-b0b9-0242ac110004.png)

## 1.4 人工智能发展阶段
![](https://redrose2100.oss-cn-hangzhou.aliyuncs.com/img/c415a4dc-588e-11ee-b0b9-0242ac110004.png)

## 1.5 人工智能主要分支
* 计算机视觉
* 语音识别
* 文本挖掘/分类
* 机器翻译
* 机器人

# 二、机器学习
## 2.1 机器学习的定义
机器学习是从数据中自动分析所获得模型，并利用模型对未知数据进行预测
![](https://redrose2100.oss-cn-hangzhou.aliyuncs.com/img/a7cd7c8a-5890-11ee-b0b9-0242ac110004.png)

## 2.2 机器学习的工作流程
* 获取数据
* 数据基本处理
* 特征工程
* 机器学习（模型训练）
* 模型评估
   * 结果达到要求，上线服务
   * 没有达到要求，重复上述步骤
   
![](https://redrose2100.oss-cn-hangzhou.aliyuncs.com/img/d430d736-5890-11ee-b0b9-0242ac110004.png)

## 2.3 数据基本概念
* 样本：一行数据成为一个样本
* 特征：一列数据称为一个特征
* 目标值：有些数据是有目标值的，有些数据没有没目标值

## 2.4 机器学习中的数据分割
* 机器学习一般的数据集合划分为两部分
   * 训练数据：用于训练，构建模型
   * 测试数据：在模型检验时使用，用于评估模型是否有效
* 划分比例
   * 训练集：70%-80%，比如 75%
   * 测试集：20%-30%，比如 25%

## 2.5 特征工程的含义
特征工程师使用专业背景知识和技巧处理数据，使得特征能在机器学习算法上发挥更好的作用的过程。特征工程会直接影响机器学习的效果

## 2.6 特征工程的内容
* 特征提取
* 特征预处理
* 特征降维

## 2.7 机器学习算法分类
* 监督学习
* 无监督学习
* 半监督学习
* 强化学习

测试开发技术网站

博客