人工智能入门:第一章 人工智能课程介绍及环境配置

7 篇文章 13 订阅
订阅专栏

学习内容

今天主要介绍人工智能,让大家对人工智能有个很好的认识。并做好环境配置,为后面的人工智能学习做准备。

关键词

人工智能,监督式,非监督式,强化学习,迁移学习,机器学习,深度学习,python,anaconda,Ju peter Notebook,numpy,pandas,matplotlib。

具体内容

人工智能介绍

什么是人工智能

人工智能(Artificial Intelligence),英文缩写为AI。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的技术科学。

人工智能的核心问题包括建构能够跟人类似甚至超卓的推理、知识、规划、学习、交流、感知、移物、使用工具和操作机械的能力等。

 

 

人工智能的发展阶段

 

 

机器学习和深度学习的关系

开发环境

开发环境包括:python,anaconda,jupyter notebook

Python

 

Anaconda

Jupyter notebook

基础工具包

所需要的工具包包括:numpy,pandas,matplotlib,scikit-learn

numpy

NumPy 是什么?

NumPy是使用Python进行科学计算的基础软件包。除其他外,它包括:

  • 功能强大的N维数组对象。

  • 精密广播功能函数。

  • 集成 C/C+和Fortran 代码的工具。

  • 强大的线性代数、傅立叶变换和随机数功能。

下面整理了numpy的一些相关入门操作,感兴趣的可以去看下:

numpy入门基本操作

pandas

Pandas是什么?

Pandas是一个强大的分析结构化数据的工具集;它的使用基础是Numpy(提供高性能的矩阵运算);用于数据挖掘和数据分析,同时也提供数据清洗功能。

下面整理了pandas的一些相关入门操作,感兴趣的可以去看下:

pandas入门基本操作

matplotlib

Matplotlib 是什么?

Matplotlib 是一个 Python 的 2D绘图库,它以各种硬拷贝格式和跨平台的交互式环境生成出版质量级别的图形。

scikit-learn

scikit-learn 是基于 Python 语言的机器学习工具。

  1. 简单高效的数据挖掘和数据分析工具

  2. 可供大家在各种环境中重复使用

  3. 建立在 NumPy ,SciPy 和 matplotlib 上

  4. 开源。

AI开发实战基础

下面汇总了mac操作系统的环境配置和工具包的安装方法,mac系统的可以看下

Mac系统AI人工智能开发环境配置

注:mac苹果系统,之前的老版本,默认自带了python,而且python是2.7版本的,这里jupyter新版是不支持python2版本的,所以如果想安装成功jupyter,有下面三种方法:

1、升级苹果操作系统到最新版本

2、在anaconda里面配置环境的时候,指定python的版本,指定为3.0以上的版本,具体的操作比如3.7.1的是在终端输入conda create-n env_name python=3.7.1

3、改变python的系统环境变量的设置,使在终端shell输入python的时候,自动调用python3,需要先下载python3的一个版本,然后按下面的操作,既可实现

Mac系统安装jupyter遇到问题的解决

总结

本章主要对人工智能的进行了大概介绍,以及环境的配置的方案和配置中出现的问题的解决。

本章的环境配置是AI人工智能实战开发的基础,下章开始就进入实战:机器学习之线性回归。

更多详细的内容请观看flare老师的视频: Python3系统入门人工智能-慕课网实战

博客
人工智能开发 各类问题汇总及解决办法 (不定期更新)
03-01 1473
人工智能 机器学习 深度学习 python anaconda jupyter 配置与开发问题汇总及解决办法(不定期更新)–created by flare zhao操作系统 建议对使用的操作系统进行更新,如果系统版本过旧,可能导致Ananconda软件安装失败Python 安装3.7版本,版本并不是越高越高,使用3.8版本在深度学习部分可能存在安装包不兼容问题Anaconda ...
博客
41.7%年化收益率 人工智能买股可以如此简单
02-23 3745
学一门知识,充实自我 掌握一项工具,让生活更美好~今天flare老师教大家AI选股,轻松搭建一个年化收益40%的机器学习选股策略—by flare zhao,转载请注明出处,原创不易,谢谢支持话不多说,先看策略的最终表现:2017年12月到2019年12月期间为了让大家有个更直观的感受,我们来看看K线图及策略的净值曲线:接下来,我们再来看看策略的具体交易情况:考虑到文章篇幅限制,...
博客
人工智能入门利器介绍及基本环境搭建常用代码
02-17 2485
pythonPython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。开发者:吉多·范罗苏姆(Guide van Rossum)解释性:不需要编译成二进制代码,可以直接从源代码运行面向对象:Python既支持面向过程的编程也支持面向对象的编程可移植性:由于它的开源本质,可在不同平台进行开发高层语言:无须考虑诸如如何管理程序使用的内存一类的底层细节官网:www.python...
博客
机器学习工具包sklearn环境部署:python、anaconda、jupyter notebook
06-20 1580
目标:从零部署机器学习开发环境,包括python3.7安装、anaconda安装、虚拟环境部署、jupyter notebook界面优化、简单程序运行1、python安装https://www.python.org/2、anaconda安装https://www.anaconda.com/3、虚拟环境部署为方便后续开发,使用anaconda部署新的开发环境3.1、env...
博客
人工智能:第四章 机器学习之聚类
04-27 3777
目标本次主要介绍机器学习之聚类,主要解决分类的问题。通过KMean算法、KNN算法、MeanShift算法这三个算法的实战,通过对比,来了解和掌握各个算法的特点。机器学习之聚类介绍无监督学习聚类聚类分析常用的聚类算法K均值聚类K近邻分析模型(KNN)均值漂移聚类实战准备任务介绍实战一:采用Kmeans算法实现2D数据类...
博客
人工智能:第三章 机器学习之逻辑回归
04-27 2882
目标这次学习的目标是:机器学习之逻辑回归,并用逻辑回归实现二分类的问题。将通过三个实战项目理解和熟练掌握机器学习的逻辑回归模型逻辑回归介绍什么是逻辑回归逻辑回归是用于解决分类问题的一种模型,根据数据特征或属性,计算其归属于某一类别的概率,根据概率值判断其所属类别。主要应用的场景:二分类问题下面介绍下flare老师对逻辑回归讲解的课件逻辑回归求解求解出损失函数的最小值,即可得到最优的逻辑回归模型分类任务与回归任务的区...
博客
人工智能:第二章 机器学习之线性回归
04-27 3173
目标这次学习:机器学习的线性回归模型,先了解下机器学习和线性回归的介绍,然后通过三个案例实战来进行理解和熟练掌握机器学习的线性回归模型。机器学习介绍下面大概介绍下什么是机器学习,机器学习的应用场景,机器学习的基本原理框架和机器学习的类别。什么是机器学习可以先思考下图的问题机器学习的应用场景实现机器学习的基本框架机器学习的类别回归分析介绍什么是回归分析可以先思考下图的问题线性回归...
博客
机器学习之模型评估
04-08 2323
整体思路:先获取数据,把数据分为训练数据和测试数据,然后在不同k值的模型下分别训练和测试,得出不同k值情况下的模型预测准确性,最后把准确性可视化输出进行整体评估。1.获取数据from sklearn import datasetsiris=datasets.load_iris()x=iris.datay=iris.target2.分离数据from sklearn.model_selection import train_test_splitx_train,x_test,y_t
博客
机器学习之实现、建模、训练、预测
04-07 1914
首先获取训练的数据,参考iris数据加载from sklearn import datasetsiris = datasets.load_iris()x=iris.datay=iris.target使用k近邻算法(knn)先调用knn算法模块from sklearn.neighbors import KNeighborsClassifier创建一个模型实例,先命名为knn,先设k为3knn=KNeighborsClassifier(n_neighbors=3)让knn
博客
机器学习入门iris数据加载
04-07 4443
调用sklearn模块里的datasetsfrom sklearn import datasetsiris=datasets.load_iris()把iris的参数数据赋值给x把iris的结果数据值赋值给yx=iris.datay=iris.target验证下x,y的数据类型print(x[0])[5.1 3.5 1.4 0.2]print(type(x))print(type(y))<class 'numpy.ndarray'><class
博客
样本不均衡及其解决办法
02-26 8251
1 什么是类别不均衡类别不平衡(class-imbalance),也叫数据倾斜,数据不平衡,是指分类任务中不同类别的训练样例数目差别很大的情况。在现实的分类学习任务中,我们经常会遇到类别不平衡,例如广告点击率预测、故障分析、异常检测等;或者在通过拆分法解决多分类问题时,即使原始问题中不同类别的训练样例数目相当,在使用OvR(One vs. Rest)、MvM(Many vs. Many)策略后产生的二分类任务仍然可能出现类别不平衡现象。而标准机器学习算法通常假设不同类别的样本数量大致相似,所以类别不
博客
炼丹笔记:样本不平衡问题
02-26 729
大家好,今天给大家带来的分享是关于“深度学习中的样本不平衡问题”。深度学习算法工程师,也被戏称为“炼丹师”,而样本,就是所谓的药材。最后训练出来的模型,就是丹药。当然,药材成色好,年分足,自然更容易炼出好的丹药。难得是,在药材劣质的情况下,如何也能够保证得到一炉仙丹呢?这个就要看丹师的药材配方和炼丹技术了。今天,我们给大家介绍的样本不平衡问题,就是为了帮助丹师们解决药材不好的难题,进而来提高炼丹技术。1. 什么是样本不平衡问题?所谓的类别不平衡问题指的是数据集中各个类别的样本数量极不均衡。以二分
博客
一文解决样本不均衡
02-26 807
1.1 样本不均衡现象样本(类别)样本不平衡(class-imbalance)指的是分类任务中不同类别的训练样例数目差别很大的情况,一般地,样本类别比例(Imbalance Ratio)(多数类vs少数类)明显大于1:1(如4:1)就可以归为样本不均衡的问题。现实中,样本不平衡是一种常见的现象,如:金融欺诈交易检测,欺诈交易的订单样本通常是占总交易数量的极少部分,而且对于有些任务而言少数样本更为重要。注:本文主要探讨分类任务的类别不均衡,回归任务的样本不均衡详见《Delving into De
博客
一文学习模型融合
02-26 642
模型融合:通过融合多个不同的模型,可能提升机器学习的性能。这一方法在各种机器学习比赛中广泛应用, 也是在比赛的攻坚时刻冲刺Top的关键。而融合模型往往又可以从模型结果,模型自身,样本集等不同的角度进行融合。数据及背景https://tianchi.aliyun.com/competition/entrance/231784/information(阿里天池-零基础入门数据挖掘)模型融合如果你打算买一辆车,你会直接走进第一家4S店,然后在店员的推销下直接把车买了吗?大概率不会,你会先去
博客
精确率与召回率,RoC曲线与PR曲线
02-26 726
在机器学习的算法评估中,尤其是分类算法评估中,我们经常听到精确率(precision)与召回率(recall),RoC曲线与PR曲线这些概念,那这些概念到底有什么用处呢?    首先,我们需要搞清楚几个拗口的概念:1. TP, FP, TN, FN   True Positives,TP:预测为正样本,实际也为正样本的特征数   False Positives,FP:预测为正样本,实际为负样本的特征数   True Negatives,TN:预测为负样本,实际也为负样本的特征数  
博客
分类算法评价指标详解
02-26 1840
一、基本概念评价指标是针对模型性能优劣的一个定量指标。一种评价指标只能反映模型一部分性能,如果选择的评价指标不合理,那么可能会得出错误的结论,故而应该针对具体的数据、模型选取不同的的评价指标。本文将详细介绍机器学习分类任务的常用评价指标:混淆矩阵(Confuse Matrix)、准确率(Accuracy)、精确率(Precision)、召回率(Recall)、F1 Score、P-R曲线(Precision-Recall Curve)、ROC、AUC。二、混淆矩阵(Confuse Matri
博客
scikit-learn 梯度提升树(GBDT)调参小结
02-26 1152
在梯度提升树(GBDT)原理小结中,我们对GBDT的原理做了总结,本文我们就从scikit-learn里GBDT的类库使用方法作一个总结,主要会关注调参中的一些要点。1.scikit-learn GBDT类库概述    在sacikit-learn中,GradientBoostingClassifier为GBDT的分类类, 而GradientBoostingRegressor为GBDT的回归类。两者的参数类型完全相同,当然有些参数比如损失函数loss的可选择项并不相同。这些参数中,类似于Ada...
博客
人工智能技术专家系统
02-26 2812
什么是专家系统?专家系统被定义为一种交互式可靠的基于计算机的决策系统,它使用事实和启发式方法来解决复杂的决策问题。它被认为是人类智慧和专业知识的最高水平。它是一个计算机应用程序,可以解决特定域中最复杂的问题。专家系统可以解决通常需要人类专家的许多问题。它基于从专家那里获得的知识。它还能够表达和推理某些知识领域。专家系统是当今人工智能,深度学习和机器学习系统的前身。专家系统的例子以下是专家系统的示例MYCIN:它基于反向链接,可以识别可能导致急性感染的各种细菌。它还可以根据患者的体重推荐药物。.
博客
人工智能(ai)和专家系统(expert system)的区别
02-26 8589
专家系统是人工智能领域的重要研究领域之一。事实上,专家系统代表了人工智能能力的最成功的证明,它们是人工智能领域工作的第一个真正的商业应用。专家系统是模拟人类专家的思维过程来解决特定领域复杂决策问题的计算机程序。专家系统是人工智能领域的重要研究领域之一。事实上,专家系统代表了人工智能能力的最成功的证明,它们是人工智能领域工作的第一个真正的商业应用。专家系统是模拟人类专家的思维过程来解决特定领域复杂决策问题的计算机程序。什么是人工智能(artificial intelligence)?人工智
博客
特征工程在实际业务中的应用
02-26 307
导读:大概知道特征工程,但是不清楚特征工程在实际业务中怎样应用,怎么和业务知识结合?本文将结合作者实际经历尝试回答。首先明确一下问题,“特征工程在实际业务中的应用”,也就是领域业务知识和机器学习建模的相互结合。下面会对特征工程简单介绍,并且用自己工作中实际参与的项目给大家分享在银行贷款申请反欺诈场景&零售线上APP推荐场景的机器学习建模里,业务知识是如何帮助特征工程的。01 简单介绍特征工程是什么?特征工程是工业界建模中最最最重要的一个模块。模型效果的好坏,一部分是由数据质量决定...

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
写文章

热门文章

  • 七天学会python量化交易(一) 19537
  • 激活函数sigmoid 、tanh、Relu、Leaky Relu 优缺点对比(最全) 18368
  • Python Pandas 条件筛选 多列同时满足&或| 14137
  • 用户研究:深度解析用户画像 13151
  • 人工智能(ai)和专家系统(expert system)的区别 8589

分类专栏

  • 常用功能 1篇
  • 2022 7篇
  • AI医疗 11篇
  • AI营销 30篇
  • 机器学习 14篇
  • Pandas 5篇
  • AI 32篇
  • 深度学习 2篇
  • Python 10篇
  • 量化分析 1篇

最新评论

  • SVM基本概念及Python实现代码

    Antidotor: clf.predict([2,0,3])这里应该是clf.predict([[2,0,3]])吧,输入的x应该是一个张量数据

  • 决策树原理及代码实现

    Crystal118929: 可以把数据集发出来吗?

  • PCA降维 维度 样本数 feature数

    Summer_Anny: 同问,现在有解决办法吗?

  • 人工智能:第四章 机器学习之聚类

    weixin_33639086: 没数据集,不方便演练啊,求数据集

  • 人工智能:第三章 机器学习之逻辑回归

    m0_58080207: 蹲数据集,已三连表情包

您愿意向朋友推荐“博客详情页”吗?

  • 强烈不推荐
  • 不推荐
  • 一般般
  • 推荐
  • 强烈推荐
提交

最新文章

  • 人工智能:第四章 机器学习之聚类
  • 人工智能:第三章 机器学习之逻辑回归
  • 人工智能:第二章 机器学习之线性回归
2022年48篇
2021年2篇
2020年56篇
2019年10篇
2018年6篇

目录

目录

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值

PHP网站源码盐田网站关键词优化多少钱福田营销型网站建设公司马鞍山模板推广光明营销网站阳江网站搜索优化多少钱遵义推广网站推荐延安SEO按天计费毕节网站seo优化价格临沧seo排名哪家好十堰网站设计模板哪家好邢台网站优化排名报价焦作网站搭建报价宁德优秀网站设计推荐汉中阿里店铺托管报价徐州关键词按天收费多少钱大浪网站推广方案推荐桂林百度网站优化盐田营销型网站建设哪家好昌都网站优化软件公司玉林网站优化按天收费公司江门高端网站设计合肥SEO按天扣费丹竹头品牌网站设计多少钱临猗网站开发公司绍兴网络推广公司肇庆网站改版醴陵网站搜索优化推荐梅州百度爱采购公司吉林网站排名优化价格焦作网页制作公司歼20紧急升空逼退外机英媒称团队夜以继日筹划王妃复出草木蔓发 春山在望成都发生巨响 当地回应60岁老人炒菠菜未焯水致肾病恶化男子涉嫌走私被判11年却一天牢没坐劳斯莱斯右转逼停直行车网传落水者说“没让你救”系谣言广东通报13岁男孩性侵女童不予立案贵州小伙回应在美国卖三蹦子火了淀粉肠小王子日销售额涨超10倍有个姐真把千机伞做出来了近3万元金手镯仅含足金十克呼北高速交通事故已致14人死亡杨洋拄拐现身医院国产伟哥去年销售近13亿男子给前妻转账 现任妻子起诉要回新基金只募集到26元还是员工自购男孩疑遭霸凌 家长讨说法被踢出群充个话费竟沦为间接洗钱工具新的一天从800个哈欠开始单亲妈妈陷入热恋 14岁儿子报警#春分立蛋大挑战#中国投资客涌入日本东京买房两大学生合买彩票中奖一人不认账新加坡主帅:唯一目标击败中国队月嫂回应掌掴婴儿是在赶虫子19岁小伙救下5人后溺亡 多方发声清明节放假3天调休1天张家界的山上“长”满了韩国人?开封王婆为何火了主播靠辱骂母亲走红被批捕封号代拍被何赛飞拿着魔杖追着打阿根廷将发行1万与2万面值的纸币库克现身上海为江西彩礼“减负”的“试婚人”因自嘲式简历走红的教授更新简介殡仪馆花卉高于市场价3倍还重复用网友称在豆瓣酱里吃出老鼠头315晚会后胖东来又人满为患了网友建议重庆地铁不准乘客携带菜筐特朗普谈“凯特王妃P图照”罗斯否认插足凯特王妃婚姻青海通报栏杆断裂小学生跌落住进ICU恒大被罚41.75亿到底怎么缴湖南一县政协主席疑涉刑案被控制茶百道就改标签日期致歉王树国3次鞠躬告别西交大师生张立群任西安交通大学校长杨倩无缘巴黎奥运

PHP网站源码 XML地图 TXT地图 虚拟主机 SEO 网站制作 网站优化