没有合适的资源?快使用搜索试试~ 我知道了~
吴恩达AI for everyone学习笔记
需积分: 0 9 下载量 53 浏览量
2023-01-26
12:09:13
上传
评论 1
收藏 16MB PDF 举报
温馨提示
试读
49页
吴恩达AI for everyone学习笔记,人工智能入门笔记,普及人工智能基本技术及其实践,以及目前人工智能技术的边界和局限。了解人工智能是如何影响社会的,以及如何在这项技术变革中前行。 如果您是一个没有技术背景的商务专业人士,这个笔记将帮助您理解如何建立一个可持续的人工智能战略。如果您是一名机器学习工程师或数据科学家,试图让您的经理或公司高管了解您能胜任(和不能胜任)什么,那么这个笔记也能帮助到你。 在学习吴恩达的课程时,可以通过观看视频的同时,看这份笔记,能极大的提升您的学习效率,相辅相成,这个笔记包括揭秘人工智能,建立AI项目(如何选择一个人工智能项目,与人工智能团队合作),在公司里运用AI,AI与社会。 这份笔记也是我在学习过程中的总结与整理,希望能够对你学习AI for everyone有所帮助,当然因为是自己的学习整理,这份笔记也难免会有一些错误,还希望各位发现后给予指正,可以私信同我交流。
资源推荐
资源详情
资源评论
AI
What is AI?
Machine Learning
Supervised Learning
Data
Acquiring data
Use and misuse of data
Data is messy
Terminology form AI
Machine learning
Data science
Deep leaning
AI has many tools
What make an AI compaany
AI Transformation
What machine learning can and cannot do
Optional: Intuitive explanation of Deep Learning
Building AI projects
Workflow of projects
workflow of ML project
workflow of Data Science project
Every job function needs to learn how to use data
Selecting AI projects
Brainstorming framework
You can make progress even without big data
Due diligence project
Build vs. buy
Organizing data and team for the projects
Specify your acceptance criteria
Pitfall:Expecting 100% accuracy
Building AI in your company
Case studies of complex AI products
smart speaker
Self-driving car
Roles in an AI team
Example roles
Getting started with a small team
AI Transformation Playbook
Taking your first steps
(Optional)Survey of major AI application areas
Computer Vision
Natural Language Processing(NLP)
Speach
Robotics
General machine learning
Unsupervised learning
Transfer learning
Reinforcement learning
GANs(Generative Adversarial Network)
Knowledge Graph
AI and society
A realistic view of AI
Limitations of AI
Discrimination / Bias
Why bias matters
Combating bias
Adversarial attacks on AI
Adversarial defenses
Adverse uses of AI
AI and developing economies
Developing economies
How developing economies can build AI
AI and jobs
Congratulation!
AI
What is AI?
introduction:
我们应该客观的了解AI,AI并不是无所不能的。
AI的价值:
预测在2030年AI能够提供13万亿的价值,目前AI已经在零售,旅游,运输,汽车,材料,制造等方面有
了可观的贡献。
demystifying AI
AI实际是两个独立的概念:
弱人工智能与强人工智能
可以看出都是通过输入数据,经过算法,输出相应的结果。特别是当前的网络广告是非常有利可图的,
通过使用者的浏览信息,推送相应的广告。
idea of Supervised learning 已经存在了十几年了,但是在近几年才得到迅猛的发展。 这得益于计算机
和互联网的兴起。
为什么现在才得到迅猛发展:
amount of data
数据量总是多多益善的(Having more data almost always helps),随着大数据,快速计算机的兴起
和专用处理器的发展(graphics processing units or GPU),很多公司能够获得大量的数据来训练大型
神经网络,已获得更好的性能和商业价值。
The most important idea in AI has been machine learning, which has basically supervised
learning, which means A to B or input to output mappings. What enables it to work really
well is data.
Data
Example of a table of data(dataset)
比如说我们现在拿到一些房子的售价表格,我们想要建立一个AI系统或机器学习系统,去帮助设置房子
价格,或者检测自己设置的房子价格是否合理,此时我们会通过将房子大小和房间数作为A,将房子的
价格作为B,让AI系统去学习如何由A到B的映射(or input to ouput mappings)。所以当我们拿到一
些数据时,这完全有自己决定,或者根据业务所需,来决定什么是A什么是B,以此来增加自己的业务价
值。
相反,就是说假如我们有一定的预算,想要去挑选适合的房子,此时我们会将房子价格视为A,房子的
大小和房间数视为B(that would be different choice)。这样的AI系统将会告诉你在这样的预算下,什
么样的房子你可能会考虑。
另一个有趣的例子,假如我们想要把一些照片打上标记,这个AI系统将会接收图片A然后输出标签,这样
的想法或许能够实现图片分类。
我们现在可以看出,数据对于机器学习来说是多么重要。
那我们如何获得数据集呢?
Acquiring data
-Manual labeling
一.获取数据集的方式之一是手动标记。
例如,当我们有一系列的图片数据:
如果我们去一一的标记这些图片,现在就有了一个用于构建猫探测器的数据集。
实际上这可能需要几十万张照片,但手动标签是一个让我们同时拥有A,B数据集的有效方法。
-From observing behaviors
二.获得数据集的另一种方法是从,观察用户行为或其它类型的行为。
So,for example,假设我们在运行一个购物网站,我们可以观察用户是否购买了我们的产品。
剩余48页未读,继续阅读
资源评论
老码人
- 粉丝: 274
- 资源: 2
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功