Introduction : L'apprentissage est une activité intelligente complexe. Le processus d'apprentissage est étroitement lié au processus de raisonnement. Selon la quantité de raisonnement utilisé dans l'apprentissage, les stratégies adoptées par l'apprentissage automatique peuvent être grossièrement divisées en quatre types : apprentissage automatique, apprentissage par l'enseignement , Apprendre par analogie et apprendre par des exemples. Plus le raisonnement utilisé dans l'apprentissage est important, plus le système est performant.
Tout d'abord, une brève introduction à l'apprentissage automatique
Le cœur de l'intelligence artificielle d'apprentissage automatique est le moyen fondamental de rendre les ordinateurs intelligents. Son application imprègne tous les domaines de l'intelligence artificielle. Il utilise principalement l'induction et la synthèse plutôt que la déduction.
- enseignement supervisé
|
|
- Apprentissage non supervisé
|
|
——Traitement des données et réglage du modèle
|
|
Les travaux de recherche dans le domaine de l'apprentissage automatique s'articulent principalement autour des trois aspects suivants :
(1) Recherche axée sur les tâches : étudier et analyser les systèmes d'apprentissage qui améliorent les performances sur un ensemble de tâches prédéterminées.
(2) Modèles cognitifs : étudier le processus d'apprentissage humain et effectuer des simulations informatiques.
(3) Analyse théorique : explorer théoriquement diverses méthodes et algorithmes d'apprentissage possibles indépendamment du domaine d'application
L'apprentissage automatique est un autre domaine de recherche important de l'application de l'intelligence artificielle après le système expert, et c'est également l'un des principaux sujets de recherche de l'intelligence artificielle et de l'informatique neuronale. Les systèmes informatiques et les systèmes d'intelligence artificielle existants n'ont aucune capacité d'apprentissage, au mieux seulement une capacité d'apprentissage très limitée, de sorte qu'ils ne peuvent pas répondre aux nouvelles exigences de la technologie et de la production. La discussion sur l'apprentissage automatique et les progrès de la recherche sur l'apprentissage automatique favoriseront certainement le développement ultérieur de l'intelligence artificielle et de l'ensemble de la science et de la technologie.
L'apprentissage automatique a été utilisé dans un large éventail d'applications, telles que : l'exploration de données, la vision par ordinateur, le traitement du langage naturel, la reconnaissance de détection spéciale biologique, les moteurs de recherche, le diagnostic médical, le séquençage de séquences d'ADN, la reconnaissance de la parole et de l'écriture manuscrite, les jeux stratégiques et les applications robotiques. .
Recommander des ressources d'apprentissage d'introduction à l'apprentissage automatique organisé
1. Outils
Documentation officielle de Scikit-Learn
En tant que bibliothèque très complète pour l'apprentissage automatique, Scikit-Learn est un manuel de programmation pratique rare.
2. Classe publique
Ng Enda Coursera "Apprentissage automatique"
C'est définitivement le cours de premier choix pour démarrer avec l'apprentissage automatique, pas l'un d'entre eux ! Démarrer avec l'apprentissage automatique en toute simplicité !
Wu Enda (1976-, nom anglais : Andrew Ng), un Américain d'origine chinoise, est professeur associé au Département d'informatique et de génie électrique de l'Université de Stanford et directeur du Laboratoire d'intelligence artificielle. Wu Enda est l'un des universitaires les plus réputés dans le domaine de l'intelligence artificielle et de l'apprentissage automatique au monde.
Le 16 mai 2014, Wu Enda a rejoint Baidu en tant que scientifique en chef de Baidu, responsable de la direction de l'Institut de recherche Baidu, en particulier du projet Baidu Brain.
Wu Enda Stanford cs229 vidéo
Le cours d'apprentissage automatique CS229 enseigné par Wu Enda à Stanford est légèrement plus difficile.
Lin Xuantian "La pierre angulaire de l'apprentissage automatique"
Lin Xuantian : Le professeur Lin Xuantian a obtenu un baccalauréat du Département d'ingénierie de l'information de l'Université nationale de Taiwan en 2001, ainsi qu'une maîtrise et un doctorat du California Institute of Technology en 2005 et 2008. Il est retourné au Département d'ingénierie de l'information de l'Université nationale de Taiwan en tant que professeur adjoint en 2008, a été promu professeur associé en 2012 et a été promu professeur en août 2017. Il a remporté le championnat du monde KDDCup pendant quatre années consécutives (six fois).
Le cours "Foundation of Machine Learning" dispensé par le professeur Lin Xuantian de l'Université nationale de Taiwan est complet et couvre de nombreux aspects du domaine de l'apprentissage automatique. Il est très approprié comme matériel d'introduction et avancé pour l'apprentissage automatique. De plus, le style d'enseignement du professeur Lin est également très humoristique, permettant toujours aux lecteurs de maîtriser les connaissances dans une atmosphère détendue et agréable. Ce cours est légèrement plus difficile que le "Machine Learning" de Ng, se concentrant sur les connaissances théoriques en apprentissage automatique.
Lin Xuantian "Techniques d'apprentissage automatique"
Le cours "Machine Learning Techniques" est un cours avancé de "Machine Learning Foundations". Il introduit principalement certains algorithmes classiques dans le domaine de l'apprentissage automatique, notamment les machines à vecteurs de support, les arbres de décision, les forêts aléatoires, les réseaux de neurones, etc. La difficulté est légèrement supérieure à "Foundation of Machine Learning", qui est très pratique.
Besoin de scanner le code pour ajouter la vidéo et les informations ci-dessus
3. Livres
Zhou Zhihua "Apprentissage automatique"
Zhou Zhihua, homme, est diplômé du Département d'informatique et de technologie de l'Université de Nanjing (licence, maîtrise, doctorat) et est resté à l'école pour enseigner en 2001. Aujourd'hui professeur à l'Université de Nanjing, directeur de thèse ; lauréat du National Outstanding Youth Fund ; directeur du Département d'informatique et de technologie de l'Université de Nanjing, doyen de l'École d'intelligence artificielle, directeur adjoint exécutif du State Key Laboratory of New Directeur de recherche en technologie informatique, machine learning et data mining de l'institut (LAMDA), membre du comité académique de l'école et du département.
Ce "Machine Learning" est connu sous le nom de "Watermelon Book". Ce livre est très classique. Il raconte la théorie mathématique de base et l'algorithme de l'apprentissage automatique. Il convient aux manuels scolaires ou à l'auto-apprentissage pour les lecteurs intermédiaires. Il est un peu plus difficile d'apprendre ce livre quand on se lance.
Li Hang "Méthodes d'apprentissage statistique"
Ce livre présente de manière complète et systématique les principales méthodes d'apprentissage statistique. Il convient aux étudiants et aux étudiants diplômés qui se spécialisent dans l'exploration de données textuelles, la recherche d'informations et le traitement du langage naturel dans les collèges et les universités. Il peut également être utilisé comme référence pour le personnel de R&D. engagés dans des majors liées aux applications informatiques.
Publié par Tsinghua University Press, auteur : Li Hang
Un guide pratique de l'apprentissage automatique avec Scikit-Learn et TensorFlow
Après l'étude précédente, ce "Guide pratique d'apprentissage automatique Scikit-Learn et TensorFlow" est très approprié pour améliorer votre capacité de programmation pratique en apprentissage automatique.
Ce livre est divisé en deux parties : la première partie présente les algorithmes d'apprentissage automatique de base et chaque chapitre est équipé de projets pratiques Scikit-Learn ; la deuxième partie présente les réseaux de neurones et l'apprentissage en profondeur, et chaque chapitre est équipé de projets pratiques TensorFlow. S'il ne s'agit que d'apprentissage automatique, vous pouvez d'abord lire le contenu de la première partie.
Quatre, combat réel
Compétition Kaggel——La compétition est le moyen le plus efficace d'améliorer sa capacité réelle d'apprentissage automatique. La compétition Kaggle est le premier choix.
L'éditeur a compilé des informations sur l'intelligence artificielle, y compris des bibliothèques de ressources telles que le traitement d'image opencv\traitement du langage naturel, la base de mathématiques d'apprentissage automatique, des livres électroniques à lire absolument et des collections d'articles.Les étudiants qui souhaitent apprendre l'intelligence artificielle ou passer à Les industries bien rémunérées sont également très intéressées.Pratique, gratuit sans aucune routine,
Ajoutez ma jupe [ 966367816 ] pour télécharger, ou scannez le code + vx pour obtenir les ressources internes, la banque de questions sur l'intelligence artificielle, le plan d'étude des questions d'entretien Dachang, le plan du cours d'auto-apprentissage et la frénésie de données d'intelligence artificielle 500G gratuitement ~
