2018年最新｜在上海-对人工智能和机器学习了解有哪些？.doc

《2018年最新｜在上海-对人工智能和机器学习了解有哪些？.doc》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、2018年最新｜在上海，对人工智能和机器学习了解有哪些？大家还在为如何选择人工智能而绞尽脑汁吗？各位还在网上搜寻相关信息吗？别麻烦了，就让小编为大家一网打尽吧！上海简称沪，别称申，是我国较大的特超大级现代化国际大都市。上海是中国较大的商业中心、金融中心、经济贸易中心、信息中心、工业中心和国际化大都会，城市建设突飞猛进，亮丽夺目，现代化程度极高。她正以昂首的姿态在蓝天白云之间向世人展示着大上海的风采。作为一个适合生活的地方，有太多的大学生和社会人士回到这，或者从其他城市来到了这，当然也有不少在这上学的人留在了这里。打算在这生活，成家立业。随着生活节奏的加快，大家有没有忽略我们生活中必不可少的

2、人工智能呢。大数据和人工智能正席卷全球，众多热门词汇蜂拥而至：人工智能（ArtificialIntelligence）、大数据（BigData）、云计算（CloudComputing）、机器学习（MachineLearning）、数据挖掘（DataMining）、深度学习（DeepLearning）、强化学习（ReinforcementLearning）和数据库（Databases）。不少人对这些高频词汇的含义及其背后的关系总是似懂非懂、一知半解。为了帮助大家更好地理解，我们用最简单的语言来解释这些词汇的含义，理清它们之间的关系，希望对刚入门的同学们有所帮助。人工智能、机器学习、深度学习和

3、强化学习首先来看一下人工智能、机器学习和深度学习之间的关系。如图所示，我们可以大致认为深度学习是机器学习中的一种学习方法，而机器学习则可以被认为是人工智能的一个分支。人工智能：人工智能涵盖的领域很广，除了机器学习外，还包括专家系统、进化计算、模糊逻辑、粗糙集、多代理、规划问题等。最近几年，人工智能的发展主要得益于机器学习领域的推动，尤其是深度学习取得的突破，其他领域的进展相对较小。人工智能分为弱人工智能和强人工智能，前者让机器具备观察和感知的能力，可以做到一定程度的理解和推理。目前的科研都集中在弱人工智能这部分，并很有希望在近期取得重大突破。而强人工智能期待让机器获得自适应能力，解决一些之

4、前没有遇到过的问题。电影里的人工智能多半都是在描绘强人工智能，而这部分在目前的现实世界里难以真正实现。机器学习：从学习方法上来分，机器可以分为监督学习（如分类问题）、无监督学习（如聚类问题）、半监督学习、集成学习、深度学习和强化学习。深度学习本来并不是一种独立的学习方法，其本身也会用到有监督和无监督的学习方法来训练深度神经网络。但由于近几年该领域发展迅猛，一些特有的学习手段相继被提出（如残差网络），因此越来越多的人将其单独看作一种学习的方法。按照学习目的来分，机器学习涵盖了回归、分类、聚类、异常监测、量纲学习和因果分析等。深度学习：最初的深度学习是利用深度神经网络来解决特征表达的一种学习过

5、程。深度神经网络本身并不是一个全新的概念，可大致理解为隐含层很多的一个神经网络结构。为了提高深层神经网络的训练效果，人们对神经元的连接方法和激活函数等方面做出相应的调整。其实有不少想法早年间也曾有过，但由于当时训练数据量不足、计算单元落后，因此最终的效果不尽如人意。强化学习：强化学习为一个代理（Agent）在一个环境里设计一系列动作（Actions）以获得最优的未来长期回报（Reward）。走迷宫常被用来作为解释强化学习的例子。因为学习方法复杂，早年间强化学习只能解决一些非常简单（状态空间小、动作选择少）的问题。直到深度学习的出现，使得我们可以用深度神经网络去逼近一个近似的价值和策略函数，

6、强化学习才取得很大的进展（如在AlphaGo里的价值判断网络），人们称其为深度强化学习（DeepReinforcementLearning）。与其说是强化学习的进展，不如说是在强化学习的框架里，深度学习贡献了巨大的力量。数据挖掘、人工智能、大数据和云计算数据挖掘是从数据中发掘知识的过程，在这个过程中人工智能和数据库技术可以作为挖掘工具，数据可以被看作是土壤，云平台可以看作是承载数据和挖掘算法的基础设施。数据挖掘：数据挖掘是从数据中发掘知识的过程，在挖掘数据的过程中需要用到一些挖掘工具和方法（如图二第二个层面所示）。这些工具可以是基于数据库的挖掘方法，比如频发模式发掘（FrequentPat

7、ternMining）和关联规则。大家经常听说的啤酒和尿布的例子就是基于数据库技术的频繁模式发掘。数据挖掘也可以用到机器学习的方法，比如各种分类模型（如Decisiontrees和SVM）、概率图模型（ProbabilisticGraphicalModels）以及深度学习的方法。数据挖掘同样也可以用到人工智能里非机器学习的方法，比如遗传算法和粗糙集等。当数量非常大时，数据挖掘需要借助云平台来承载数据，并利用云平台中的分布