从数据中学习

理解 Artificial Intelligence

Maarten Van den Broeck

Senior Content Developer at DataCamp

AI 功能与相关领域

AI 功能与相关领域

走进机器学习（ML）

机器学习：从数据中学习并识别模式

走进机器学习（ML）

机器学习：从数据中学习并识别模式

走进机器学习（ML）

机器学习：从数据中学习并识别模式

走进机器学习（ML）

机器学习：从数据中学习并识别模式

走进机器学习（ML）

机器学习：从数据中学习并识别模式

监督学习：分类

分类：为每个数据观测分配其所属的类别（类）

• 二元分类：两类，如 阳性/阴性、男/女 等

监督学习：分类

分类：为每个数据观测分配其所属的类别（类）

• 二元分类：两类，如 阳性/阴性、男/女 等
• 多类分类：多个互斥类别，如 不同物种

监督学习：需要进行数据标注（获取先验已知类别的标记观测）以训练能进行推断的模型

监督学习：回归与预测

回归：根据输入为每个观测分配数值输出（标签）

时间序列预测：基于过去行为预测变量的未来值

无监督学习与强化学习

聚类：发现具有相似特征的数据子群（如 k-means 算法）

异常检测：识别异常观测，如不寻常的刷卡交易

关联规则挖掘：在交易数据中发现常见的共现项

强化学习：通过经验（试错）来掌握复杂任务

那深度学习呢？

• 基于深度神经网络的高复杂度模型：可解决传统 ML 受限的高难任务

• 像人脑一样从数据中学习

需要大量数据进行学习：有时需达到百万级观测

那深度学习呢？

基于深度神经网络的高复杂度模型：可解决传统 ML 受限的高难任务

需要大量数据进行学习：有时需达到百万级观测

Vamos praticar!

理解 Artificial Intelligence