大数据与人工智能-解惑
27页1、大数据与人工智能 - 解惑,主 题,人工智能的历史 1956年达特茅斯会议召开,人工智能正式提上议程 智能时代什么时候来临? 当机器拥有语音识别、图像识别、自然语音理解等这些 人最本质的智慧能力的时候,那么大数据人工智能 时代已经来临。,人工智能历史及发展,人工智能应用1-围棋,人工智能应用2-聊天机器人,人工智能应用3-图片识别,“little girl is eating piece of cake.“,人工智能应用4-人脸识别,人工智能应用5-图片文字提取,人工智能应用6-自动驾驶汽车,Machine Learning(ML) is a scientific discipline that deals with the construction and study of algorithms that can learn from data. 机器学习是一门从数据中研究算法的科学学科。 机器学习直白来讲,是根据已有的数据,进行算法选择,并基于算法和数据构建模型,最终对未来进行预测,机器学习定义,1:传统模型算法 2:深度学习算法,机器学习算法,1:决策树算法 2:K-近邻算法 3
2、:支持向量机(SVN) 4:关联分析(Apriori) 5:隐马尔科夫模型(HMM) 6:AdaBoost算法 7:朴素贝叶斯算法 ,传统算法,深度神经网络(DNN) (Deep Neural Network) 应用场景:搜索排序、推荐排序,深度学习,卷积神经网络(CNN) (Convolutional Neural Network) 应用场景:图像识别、视频分析,深度学习,循环神经网络(RNN) (Recurrent Neural Network) 应用场景:语音识别、自然语言处理,深度学习,投资策略 1:选择项目 2:选择时间 3:风险控制 4:买入项目 5:卖出项目,智能P2P投资系统,预测流程,新闻及政策预测投资走向,数据收集,数据处理,文本向量化,信息抽取,中文分词,特殊过滤,情感分析,中文分词,分词操作,词向量表示 1:One-Hot稀疏编码 橙子 1 0 0 0 0 菠萝 0 1 0 0 0 2:Embedding稠密编码 橙子 0.3 0.2,向量表示,词编码训练 (Word2Vec) 1:基于上下文预测词 2:基于词预测上下文 可通过以下实现 1:python Gensim 工具包 2:world2Vec google开源,向量标记训练,投入模型进行训练 例如:卷积神经网络 CNN 基本原理:二维图像分解 方格卷积变换池化 取出最大值输出 (最终得出图像的类别),模型训练,图像与单词连接 思路:一维单词-二维矩阵 以单词向量作为输入 项目收益的波动作为输出,模型训练,一:数据来源 1:网络爬虫 2:开源工具 3:大数据平台 二:预测步骤 1 : 数据清洗 例如通过jieba分词系统 分词、过滤等操作 2:通过 python中的 numpy、pandas、Matplotlib完成数据预处理及特征提取操作 3:通过tensorflow、tflearn深度学习工具包进行深度学习建模。,开发流程总结,对比:,智能与非智能比较,人工智能应用开发流程,数据收集,数据清洗,特征工程,数据建模,如果你是下面的行业 1:司机 2:医生 3:记者 4:翻译 5:会计 6:律师 你应该怎么办?,面对人工智能,Q&A,
《大数据与人工智能-解惑》由会员小**分享,可在线阅读,更多相关《大数据与人工智能-解惑》请在金锄头文库上搜索。
2020年高考真题——理科综合(全国卷Ⅲ)+Word版含答案
2021年绝味鸭脖策划书
2021年熟食店创业方案
2021年熟食店开店策划
2021年卤菜店创业计划书
2021年周黑鸭网络营销策划方案
东大21年1月考试《现代设计方法》考核作业
谈我国行政管理效率的现状及其改观对策(论文)
单证员考试-备考辅导-复习资料:无贸易背景信用证案分析.docx
土木工程毕业生答辩自述.docx
建筑学毕业后工作状态真实写照.doc
C#代码规范(湖南大学).doc
xx区食药监局2019年工作总结及2020年工作计划
2019年中医院药物维持治疗门诊工人先锋号先进事迹
2019年度xx乡镇林长制工作总结
2019年性艾科工作计划书
2019年人才服务局全国扶贫日活动开展情况总结
关于组工信息选题的几点思考
摘了穷帽子 有了新模样
2019年某集团公司基层党支部书记培训班心得体会
2024-01-31 15页
2024-01-31 21页
2024-01-31 37页
2024-01-31 30页
2024-01-31 22页
2024-01-31 48页
2024-01-31 32页
2024-01-31 40页
2024-01-31 31页
2024-01-31 20页