一 人工智能概述

1.机器学习和人工智能，深度学习的关系

2.机器学习可以做什么

翻译，智能客服。

---

二 什么是机器学习

1.机器学习的定义

从数据中学习，学习后得出的结论是模型（规律），通过这个规律去解决问题（做预测）。

2.机器学习的解释

机器学习是实现人工智能的途径，模仿人的一些功能。

3.数据集的构成

数据集：要学习的数据。

目标值：房屋价格。（预测的结果）

房屋的各个属性：特征值（4个）

一个班级里的人，并没有特别安排，但是过几天就会各种小团体，物以类聚，人以群分。没有目标值，但是也可以分成一堆一堆的，根据特征相近就分成一个堆。

三 机器学习算法分类

特征值：这些图片。

目标值：是猫还是狗。（类别）

把目标值是类别的问题叫做分类问题。

数据里面有特征值和目标值，并且目标值是一个分类，这就是分类问题。

目标值是离散型数据。

有特征值和目标值，特征值是面积，朝向等，目标值是房屋的价格。（具体的值）

目标值是连续型数据。属于回归问题。

无目标值的属于无监督学习。前面有目标值的属于监督学习。

---

四 机器学习开发流程

获取数据，对数据处理（数据预处理），特征工程（数据处理，处理成能被算法使用的数据，特征值），选择合适算法进行训练得到模型（机器学习），进行模型评估（评估不好就要返回到数据预处理循环，直到模型应用，要用数据对模型进行评估）

---

五 学习框架和资料介绍

1.明确问题

算法的改进，也要有数据的积累，有大量的数据，再用算法进行训练，数据量大要进行训练也很消耗计算机，对计算机的要求也比较高。

确定在开发过程中定位到哪个方向。

2.大学的学习步骤：

库和框架，算法底层怎么实现的，怎么实例化的。

应用

3.建议学习方法

从实际例子入手是入门快的方法，分析问题，使用机器学习算法解决一些简单的任务。

先学会用库和框架解决问题。用别人有的工具来造轮子。

A 入门，知道是干什么的，可以实现怎样的效果，有了自学能力。

B 知道往哪个方向发展后，可以看实战类书籍。

C 为什么这个算法效果这么好，背后用到了什么，数学原理是什么，就可以看理论书。