人工智能概述 python opencv（史上最全）

目录

1.1 人工智能概念与分支：

1.2 机器学习

1.3 机器学习的分类：根据学习范式分类

1.3.1 有监督学习 Supervised Learning

1.3.1.1 有监督学习的基本定义

1.3.1.2 有监督学习的典型应用

1.3.1.3 常见的有监督学习的算法

1.3.2 无监督学习 Unsupervised Learning

1.3.2.1 无监督学习的基本定义

1.3.2.2 无监督学习的典型应用

1.3.2.3 常见的无监督学习的算法

1.3.3 Tik Tok推荐算法：一个有监督学习与无监督学习并用的例子

1.3.4 自监督学习 Self-supervised Learning

1.3.5 强化学习 Reinforcement Learning

1.3.5.1 强化学习的基本定义

1.3.5.2 强化学习的典型应用

1.3.5.3 常见的强化学习的算法

1.4 机器学习的分类：根据网络的深度和复杂性分类

1.4.1 浅层学习（Shallow Learning）

1.4.1.1 浅层学习的基本定义

1.4.1.2 特征（Feature）

1.4.1.3 特征工程（Feature Engineering）

1.5 深度学习（Deep Learning）

1.5.1 表示/表征（Representation）

1.5.2 局部表示 Local Representation

1.5.3 分布式表示（Distributed Representation）

1.5.4 表征学习（Representation Learning）

1.5.5 深度学习的定义

1.5.6 端到端学习(End-to-End Learning)

1.5.6.1 传统机器学习：多个子模块

1.5.6.2 端到端学习（End-to-End Learning）的定义

---

1.1 人工智能概念与分支：

• 人工智能（Artificial Intelligence）是让各类机器载体上模拟并拥有类似生物的智能，让机器可以进行感知、学习、识别、推理等行为的计算机科学技术。

• 人工智能是计算机科学的分支，涉及领域包括计算机视觉（Computer Vision，CV）、自然语言处理（Natural Language Processing，NLP）、语音识别（Voice Recognition）、语音生成（Text to Speech，TTS）、知识图谱（Knowledge Graph）等。本文档系大语言模型入门材料，因此主要关注NLP领域的技术。

• 从学