前言:
李宏毅深度学习从2017-2023的系列课程总结
内容 | 章节 |
强化学习 | 11 |
李宏毅机器学习 【2017】 | 40 |
李宏毅机器学习深度学习(完整版)国语 【2020】 | 119 |
李宏毅大佬的深度学习与机器学【2022】 | 90 |
李宏毅机器学习完整课程【2023】 | 43 |
总结 | 303 |
目录:
- AI 发展历史
- AI应用
- AI 工程简介
- AI模型
一 AI 发展史
主要分为三大阶段
1950-1980: 人工智能概念提出后,相继取得了一批令人瞩目的研究成果
80年代 机器学习 掀起了人工智能发展的第一个高潮
2000年至今 深度学习带来了AI 的爆发期
二 AI 应用
AI 现在主要应用:
语音识别,图像识别,对话系统,强化学习
例如:
输入一段语音,经过函数处理(模型拟合)来识别该语音内容
三 AI 工程简介
一个AI 工程分为上面7大步骤
阶段 | 说明 |
1 Model Requirement | 需求分析,选择合适的模型 |
2 Data Preparation | 数据准备:可以细分为两个步骤:Data Collection和Data Cleaning(处理缺失,噪声) |
3 Feature Engineering | 例如机器学习中的:feature selection,feature construction和feature extraction |
4 Model Training | 模型训练 |
5 Model Evaluation | 模型评估 |
6 System Deployment | 系统部署 |
7 Model Monitor | 监控和管理模型 |
四 AI 模型简介
4.1 根据使用的场景可以分为5大类(scenario)
阶段 | 说明 |
1 Supervised Learning | 监督学习 |
2 Unsupervised Learning | 无监督学习 |
3 Reinforcement Learning | 强化学习 |
4 Semi-supervised Learning | 半监督学习 |
5 Transfer Learning | 迁移学习 |
4.2 根据任务分类
Regression | 回归,输出为连续的数值 |
classification | 分类:二分类或多分类 |
Structure Learning | 结构学习 |
4.3 根据方法 分类
方案
阶段 | 说明 |
Linear Model | 线性模型 |
Non-linear model | 非线性模型:Deep Learning SVM, decision tree, K-NN |
参考:
1 [2023] 李宏毅机器学习完整课程 43
https://www.bilibili.com/video/BV1NX4y1r7nP/?spm_id_from=333.337.search-card.all.click&vd_source=a624c4a1aea4b867c580cc82f03c17452 【2022】最新 李宏毅大佬的深度学习与机器学 P90
https://www.bilibili.com/video/BV1J94y1f7u5/?spm_id_from=333.337.search-card.all.click&vd_source=a624c4a1aea4b867c580cc82f03c1745
3 [2020 ]李宏毅机器学习深度学习(完整版)国语 P119https://www.bilibili.com/video/BV1JE411g7XF/?spm_id_from=333.337.search-card.all.click&vd_source=a624c4a1aea4b867c580cc82f03c1745
4 [2017 ]李宏毅机器学习 P40https://www.bilibili.com/video/BV13x411v7US/?spm_id_from=333.337.search-card.all.click&vd_source=a624c4a1aea4b867c580cc82f03c1745
5 李宏毅: 强化学习 P11https://www.bilibili.com/video/BV1XP4y1d7Bk/?spm_id_from=333.337.search-card.all.click&vd_source=a624c4a1aea4b867c580cc82f03c1745