【AI笔记】Day 1

一 基本定义

人工智能:它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新技术科学。换句话说,它是一个使一部机器的反应方式像人一样进行感知、认知、决策、执行的人工程序或系统。
诞生标志:1956年达特茅斯(Dartmouth)会议,标志着AI的诞生。
【AI笔记】Day 1_第1张图片人工智能机器学习深度学习神经网络之间的关系:
机器学习是实现人工智能的一种方法,深度学习是实现机器学习的一种技术。“深度”是指神经网络中众多的层,人工神经网络是机器学习中的一个重要的算法。
【AI笔记】Day 1_第2张图片

二 图像识别面临的挑战:

语义鸿沟现象(Semantic Gap)

the gap between low-level visual features and high-level concepts(图像的底层视觉特性和高层语义概念之间的鸿沟)
如,相似的视觉特特性,不同的语义概念。
【AI笔记】Day 1_第3张图片
【AI笔记】Day 1_第4张图片
又如,不相似的视觉特性,相同的语义概念。
【AI笔记】Day 1_第5张图片

解决办法

1.传统方法

人工特征提取+分类器
【AI笔记】Day 1_第6张图片

用全局的视觉底层特性统计量表示图像。
【AI笔记】Day 1_第7张图片
存在问题:全局特征丢掉了图像细节。

2.深度学习

手工地选取特征是一件非常费力、启发式(需要专业知识)的方法,能不能选取好很大程度上靠经验和运气,而且它的调节需要大量的时间,而深度学习是学习特征

深度学习的一般过程
【AI笔记】Day 1_第8张图片
【AI笔记】Day 1_第9张图片

三 Python基础

1.条件判断

if…

或者
if…

elif…

else:

2.循环结构

①for…in…
②while…/while…else…

3.break、continue、pass语句

break语句可以跳出for和while的循环体,continue语句跳过当前循环,直接进行下一轮循环,pass是空语句,一般用做占位语句,不做任何事情。

4.核心数据结构

数字类型number:int(6)、float(3.14),complex(3+4j)
字符串string:用单引号、双引号和三引号(三个单引号或三个双引号)括起来,使用反斜杠\转义特殊字符,支持字符串拼接、截取等多种运算。
【AI笔记】Day 1_第10张图片
列表list:列表可以完成大多数集合类的数据结构实现。列表中元素的类型可以不相同,它支持数字,字符串甚至可以包含列表(所谓嵌套)。列表是写在方括号[]之间、用逗号分隔开的元素列表,列表索引值以0 为开始值,-1 为从末尾的开始位置,使用+操作符进行拼接,用*表示重复。
【AI笔记】Day 1_第11张图片

元组(Tuple):tuple与list类似,不同之处在于tuple的元素不能修改。tuple写在小括号里,元素之间用逗号隔开。元组的元素不可变,但可以包含可变对象,如list。
注意:定义一个只有1个元素的tuple,必须加逗号。
【AI笔记】Day 1_第12张图片

字典(Dict):字典是无序的对象集合,使用键-值(key-value)存储,具有极快的查找速度。键(key)必须使用不可变类型,同一个字典中,键(key)必须是唯一的。
在这里插入图片描述

集合(Set):set和dict类似,也是一组key的集合,但不存储value。由于key不能重复,所以,在set中,没有重复的key。set是无序的,重复元素在set中自动被过滤。
【AI笔记】Day 1_第13张图片
【AI笔记】Day 1_第14张图片

5.常用库

numpy(Numerical Python的简称)是高性能科学计算和数据分析的基础包。
matplotlib由各种可视化类构成,内部结构复杂的可视化基础包。
… …

四 计算机视觉

计算机视觉(Computer Vision),顾名思义是一门“教”会计算机如何去“看”世界的学科。
【AI笔记】Day 1_第15张图片

五 自然语言处理

自然语言处理研究实现人与计算机之间用自然语言进行有效通信的各种理论和方法。自然语言处理技术发展经历了基于规则的方法、基于统计学习的方法和基于深度学习的方法三个阶段。自然语言处理由浅入深的四个层面分别是形式、语义、推理和语用,当前正处于由语义向推理的发展阶段。
【AI笔记】Day 1_第16张图片

六 心得体会

初步接触人工智能,深度学习,机器视觉等概念,觉得饶有兴趣,接下来会保持热度,再接再厉!

你可能感兴趣的:(学习历程,人工智能)