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
1.4 人工智能发展阶段
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
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
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