超智能体S01：高考与机器学习

前言

突然想要将自己的想法以视频的方式展示出来，所以这两周花了很多时间学习如何制作视频。

这是我用和市面上不同的思路来讲解机器学习的第一个导言。

从零开始教没有编程和数学基础的人们如何使用人工智能技术。

另外不要误以为这是什么收费课程的广告。内容全部免费，但质量我将会做到极致。

大概 3-4 个短视频就可以让大家学会如何使用深度学习。

视频

B站地址

高考与机器学习

知识点

监督学习：有明确答案，可供寻找问题与答案之间关系的学习方式
模型：描述问题与答案之间关系的方法
训练：学习问题与答案之间关系的过程
预测：解决问题的过程
评估：衡量模型好坏的过程
训练集：训练所用的问题和答案
测试集：评估所用的问题和答案
数据：训练集和测试集都是数据。需要提前搜集
机器学习：用数据来训练出模型并再应用

超智能体

分享简单易懂深度学习知识。

入门机器学习

相关数据

深度学习技术

深度学习（deep learning）是机器学习的分支，是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。深度学习是机器学习中一种基于对数据进行表征学习的算法，至今已有数种深度学习框架，如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

来源：LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. nature, 521(7553), 436.

机器学习技术

机器学习是人工智能的一个分支，是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论，机器学习与推断统计学联系尤为密切，也被称为统计学习理论。算法设计方面，机器学习理论关注可以实现的，行之有效的学习算法。

来源：Mitchell, T. (1997). Machine Learning. McGraw Hill.

人工智能技术

在学术研究领域，人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体（intelligent agent）

来源：Russell, S., & Norvig, P. (2003). Artificial Intelligence: A Modern Approach.

监督学习技术

监督式学习（Supervised learning），是机器学习中的一个方法，可以由标记好的训练集中学到或建立一个模式（函数 / learning model），并依此模式推测新的实例。训练集是由一系列的训练范例组成，每个训练范例则由输入对象（通常是向量）和预期输出所组成。函数的输出可以是一个连续的值（称为回归分析），或是预测一个分类标签（称作分类）。

来源：Wikipedia

超智能体S01：高考与机器学习

前言

目录

视频

知识点