1 基础概述

1.1 概念

人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
人工智能是一门边缘学科，属于自然科学和社会科学的交叉。涉及到哲学和认知科学，数学，神经生理学，心理学，计算机科学，信息论，控制论，不定性论。
实际应用：机器视觉，指纹识别，人脸识别，视网膜识别，虹膜识别，掌纹识别，专家系统，自动规划，智能搜索，定理证明，博弈，自动程序设计，智能控制，机器人学，语言和图像理解，遗传编程等。

1.2 主要分支

机器学习是人工智能的一个实现途径，深度学习是机器学习的一个方法发展而来。
通讯感知与行动是现代人工智能的三个关键能力。

1.2.1 计算机视觉（CV）

计算机视觉(CV)是指机器感知环境的能力。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。物体检测和人脸识别是其比较成功的研究领域。

1.2.2 自然语言处理（NLP）

语音识别、语义识别、翻译

1.2.3 机器人

1.3 人工智能发展必备三要素

  • 数据
  • 算法
  • 计算力
  • GPU与CPU
    • GPU：计算密集型、易于并行的程序
    • CPU：IO密集型。

      1.3 机器学习

      1.3.1 工作流程

      基本知识 - 图1

数据集

  • 样本 ：一行数据我们称为一个样本
  • 特征：一列数据我们称为一个特征
  • 目标值（标签值）
  • 特征值

数据类型构成
类型一：特征值+目标值（目标值分为离散和连续）
类型二：只有特征值，没有目标值

数据分割

  • 机器学习一般的数据集会划分为两个部分：
    • 训练数据：用于训练、构建模型
    • 测试数据：在模型检验时使用，用于评估模型是否有效。

划分比例：
训练集：70% 80% 75%
测试集：30% 20% 25%