1.快速入门
1.1 人工智能常见流程
（1）总结常见流程
常见流程
注： 正确的人工智能流程：数据预处理->算法求解->模型评估->模型上线
（2）算法与模型的本质
| 阶段 | 白话 | 本质 | 掌握 |
|---|---|---|---|
| 数据 | 学什么 | XY | 数据预处理，特征工程 |
| 算法 | 怎么学 | 公式，网络拓扑结构 | 机器学习、深度学习等算法 |
| 模型 | 学到的规律 | 参数 | 各种最优化算法、模型的评估 |
| 预测 | 学以致用 | 传入新的X，计算新的Y | 模型压缩、模型上线 |
1.2 机器学习不同的学习方式
（1）人工智能基本概念
（2）监督学习VS无监督学习
① 监督学习
- 目标明确
- 需要带标签的训练数据
- 效果容易评估
② 无监督学习
- 目标不明确
- 不需要带标签的数据
- 效果很难评估
注： ① 人工智能按照学习方式可以划分为：有监督学习、无监督学习、半监督学习、强化学习
监督学习vs无监督学习
强化学习
1.3 深度学习相比于传统机器学习有优势
（1）不同的发展阶段
不同的发展阶段
机器学习vs深度学习
注： 深度学习相比于机器学习的优势：【1】可以解决更复杂的问题；【2】是更端到端的学习方式；【3】可以学习如何更好提取特征
1.4 人工智能的任务与本质
监督学习vs无监督学习
1.4.1 有监督机器学习的任务与本质
（1）回归
① 本质：拟合历史已有数据，根据拟合出来的函数走势预测未来
② 目标：预测-∞到+∞之间具体的值，连续值
③ 应用：股票预测、房价预测
（2）分类
① 本质：找到分界，根据分界对新来的数据进行分类
② 目标：对新的数据预测出属于各个类别的概率，正确的类别概率越大越好。最后通过选择概率最大的类别为最终类别，类别号是离散值。
③ 应用：图像识别、情感分析、银行风控
（3）聚类
① 本质：根据样本和样本之间的相似度归堆。
② 目标：将一批数据划分到多个组
③ 应用：用户分组、异常检测、前景背景分离
（4）降维
① 本质：去掉冗余信息量或噪声
② 目标：将数据的维度减少
③ 应用：数据的预处理、可视化、提高模型计算速度
