6张思维导图看懂新一代人工智能知识体系
大数据与人工智能(思维导图)
创建一个等距的一维数组
numpy.logspace()
创建一个等比数列
np.random.rand(10,10)
创建10行10列的数组（范围在0-1之间）
切片
均匀分布
np.random.uniform(0,100)
创建指定范围内的一个数
生成均匀分布随机数，指定随机数取值范围和数组形状
np.random.randint(0,100)
获取到具体的每个键和值
遍历字典
单独获取键和值
字典函数
len(dict),str(dict),type(dict)
字典方法
Set 集合
set是一组key的集合 集合间的运算
总结
变量
全局变量 变量名
函数外定义的变量
要在函数内给一个全局变量赋值时，需要先用global关键字声明变量，否则编译 器会尝试新建一个同名的局部变量
有标签样本{特征，标签} 无标签样本{特征，？}
数据的特定实例x
样本
检查多个样本并尝试找出可最大限度地减少损失的模型，这一过程称为经验风险 最小化
首先对权重w和偏差b进行初始猜测
构建模型
可将样本映射到预测标签
然后反复调整这些猜测 直到获得损失可能最低的权重和偏差为止
模型训练要点
模型
不断迭代，直到总体损失不再变化或至少变化极其缓 慢为止
伪人工智能思维导图
伪AI技术诞生流水线
理解人工智能
认知心理学+计算机科学=人工智能
物理符号系统的假设
输入符号纸、铅笔加上手的运动，可以给白纸输入符号
输出符号纸本身并不能输出符号，但我们的眼睛可以使之输出，
当我们阅读时，文字符号就从纸上输出而进入眼睛了
存储符号记忆
复制符号认出“心理学”三个字，并把这三个字复制出来，存储在某个地方
建立符号结构通过找到各种符号之间的关系，在符号系统中形成符号结构
条件性迁移
依赖已掌握的符号而继续完成行为。
如果在记忆中已经有了一定的符号
系统，再加上外界的输入，就可以继续完成这个活动过程
这个假设简单说，就是任何一个系统，
如果它能表现出智能的话，它就必能执行上述六种功能计算机可以表现出智能
既然人具有智能，它就是一个物理符号系统
既然计算机是一个物理符号系统，它就一定能表现出智能，这是人工智能的基本条件
既然人是一个物理符号系统，计算机也是一个物理符号系统，那么我们就能用计算机来模拟人的活动
计算机不一定要有人一样处理信息的过程，它可以有不同的处理方式来进行活动，例如可以编制出复杂的程序来解方程式，
进行复杂的运算，然而这种运算过程未必是人类思维的过程
由物理符号系统的假设得出的三个推论
伪AI技术特点
产品的很多功能需要人工
算法很普通，仅仅是简单的1+1=2
无法进行机器学习或者深度学习，不会有进步
没有大量的用户数据做基础
产生重复性劳动，可以解决就业问题
反过来也可以说，任何系统，如果具有这六种功能，它就能表现出智能。
人工智能导论 项目5 人脸识别
04
项目任务
• 任务1：人脸检测
1、任务描述
人脸检测是将上传的人脸图像，采用上文讲述的人脸预处理方法将人 脸图片转化为灰度图，进行搜索以确定其中是否含有人脸，如果是有人 脸则返回脸的位置、大小和姿态。
• 任务1：人脸检测
2、技术分析
人脸检测处理流程如下图所示：
获取人脸 图像
图像转为 灰度图
获取人脸 框xy坐标
• 人脸识别技术应用
如图5-4所示
启用人脸识别测温系统，兼具人脸识别门禁考勤和测温检 测两大功能，不仅快速准确识别人员身份，还能检测播报 人体温度，自动记录提交进出记录、测温数据，报表形式 输出方便查看和监控，发信异常情况也能追溯分析如图5-4 所示。
04
项目知识准备Leabharlann • 人脸识别过程人脸采集
人脸检测
人工智能导论 项目五 人脸识别--计算机视觉的应用
目录
CONTENTS
01 项 目 背 景 02 思 维 导 图 03 思 政 聚 焦 04 项 目 相 关 知 识 05 项 目 任 务 06 项 目 小 结 与 展 望
01
项目背景
• 人脸识别---计算机视觉技术介绍
“眼睛是心灵的窗户”，通过眼睛，我们可以观察周围的任何事物，可以看 到很多风景，可以捕捉许多对我们有用的信息。同样，计算机视觉也是一双“眼 睛”，通过它，计算机可以感知环境、获取信息。我们可以将计算机视觉理解为 计算机的“眼睛”，但是计算机的“眼睛”只是对生物视觉的一种模拟而已。
• 项目展望
随着人脸识别技术的逐步成熟，靠“脸”生存将不再是幻想。伴 随着人脸识别等人工智能技术的发展，今后，从个人生活、教育、商业 服务到城市管理都将全面迈入智能化时代。特别是高校在课堂上引入人 脸识别技术、对学生面部表情进行识别，记录学生的学习状态，能更好 的了解学生的学习情况，从而及时调整教学节奏。
人工智能通识课
精彩摘录
这一观点使我们认识到，要推动AI的发展，三大支柱缺一不可。 “深度学习是AI发展的重要方向之一，它通过构建深度神经网络，使AI具备 了更强的自学习能力。”
精彩摘录
这句话展现了深度学习在AI领域的巨大潜力，预示着我们即将进入一个全新 的AI时代。
目录分析
从整体结构上看，《人工智能通识课》的目录采用了层次分明的树状结构。 从第一章到第十章，内容逐步深入，涵盖了AI的基本概念、发展历程、主要技术、 应用领域以及未来展望等多个方面。这样的设计使得读者可以快速定位到自己感 兴趣的主题，也方便了教师的课程设计。
目录分析
在具体内容上，第一章“初识人工智能”为读者提供了AI的宏观概览，让读 者对AI有了一个基本的认识。随后的章节则深入到各个细分领域，如机器学习、 深度学习、自然语言处理等。这些章节不仅介绍了基本原理，还通过实例展示了 AI在实际生活中的应用。尤其是在“应用与实践”这一部分，书中列举了AI在医 疗、金融、交通等多个行业的具体案例，使得读者可以更加直观地感受到AI技术 的魅力。
阅读感受
阅读感受
《通识课》是一本深入浅出、全面介绍技术的书籍，作者皮埃罗·斯加鲁菲 的笔触清晰、简练，使读者能够轻松理解领域的各种知识。通过这本书，我不仅 对有了更深入的了解，还对未来科技的发展有了更广阔的视野。
阅读感受
书中详细介绍了人工智能技术在全球70多年的发展历程，以及各种算法的起 源与演进过程。这让我深刻感受到人工智能技术的复杂性和多样性。同时，书中 关于人工智能在消费者行为分析、机器人、自动驾驶、医疗等领域的应用实践， 使我明白了人工智能在现实生活中的重要性。
AI基础知识图文教程入门知识学习
AI基础知识图文教程入门知识学习人工智能（AI）是当今科技领域最炙手可热的话题之一。
它涵盖了机器学习、深度学习、自然语言处理等众多领域，正在改变着我们的生活和工作方式。
本文将为你介绍AI的基础知识，帮助你入门学习。
一、什么是人工智能人工智能是指计算机系统通过模拟人类智能行为来完成任务的技术和方法。
它涉及计算机科学、机器学习、数据分析等多个领域，并借鉴了神经科学、心理学和哲学等学科的研究成果。
人工智能的目标是使计算机具备感知、理解、学习和决策的能力，以及与人进行智能交互。
二、机器学习机器学习是人工智能的重要分支之一，它通过让计算机自动从数据中学习规律和模式，来改善性能。
机器学习算法可以分为监督学习、无监督学习和强化学习等不同类型。
1. 监督学习监督学习是基于标记数据进行训练和预测的机器学习方法。
在监督学习中，算法通过从已有的标记数据中学习模式，来对新的未知数据进行预测。
常见的监督学习算法包括线性回归、决策树和支持向量机等。
2. 无监督学习无监督学习是一种从未标记的数据中学习模式和关系的机器学习方法。
与监督学习不同，无监督学习中没有预先给定的输出标记。
通过无监督学习，计算机可以发现数据中的隐藏模式和结构。
常见的无监督学习算法包括聚类和关联规则挖掘等。
3. 强化学习强化学习是一种通过试错来进行学习的机器学习方法。
在强化学习中，算法通过与环境进行交互，根据不同的行动获得奖励或惩罚，来自动调整其策略以获得最大化的累积奖励。
著名的强化学习算法包括Q-Learning和Deep Q-Network（DQN）等。
三、深度学习深度学习是机器学习的一种特殊形式，它利用人工神经网络模拟人脑的工作方式。
深度学习算法可以从数据中学习多个抽象层次的表示，从而实现更高级的特征提取和模式识别。
深度学习在计算机视觉、自然语言处理和语音识别等领域取得了显著的成果。
四、自然语言处理自然语言处理是指让计算机能够理解和处理人类自然语言的技术。
人工智能技术体系介绍
人工智能技术体系介绍嘿，朋友！今天咱来唠唠人工智能这档子事儿。
你知道吗，人工智能就像是一个超级智能的大脑，不过这个大脑不是长在人的脑袋里，而是在计算机系统里。
这个超级大脑可厉害了，它就像一个无所不知的万事通，但是呢，它的知识不是天生就有的，而是通过学习得来的。
人工智能技术体系啊，就像是一座超级大的大厦。
最底层的基础就像是大厦的地基，那就是数据。
没有数据，人工智能就像是没米下锅的巧妇，啥也做不了。
这些数据可多了去了，各种各样的信息都有。
比如说，你在网上购物的记录，这就是一种数据。
这些数据就像是一块块小砖头，人工智能就靠着这些小砖头慢慢搭建起自己的知识体系。
再往上呢，就是算法。
算法是什么呢？你可以把算法想象成盖房子的工人，不同的算法就像是有不同技能的工人。
有的算法擅长处理图像，就像有的工人擅长砌墙；有的算法对处理文字比较在行，就像有的工人擅长铺地板。
这些算法在数据这个地基上开始工作，把那些杂乱无章的数据整理成有用的信息。
就好比工人把一堆砖头砌成了一堵墙，一堵墙接着一堵墙，最后就盖成了一座房子。
然后啊，机器学习这个概念就冒出来了。
机器学习就像是这个超级大脑的学习能力。
你想啊，人要学习就得看书、上课，人工智能学习就得靠机器学习这个本事。
它通过大量的数据，让算法去学习其中的规律。
这就好比一个小孩，看了好多好多的画，慢慢就知道怎么区分不同的动物了。
人工智能通过机器学习，看了大量的图像数据，就能知道哪个是猫，哪个是狗。
这是不是很神奇呢？还有神经网络这个东西。
神经网络就像是人的神经系统一样，是一个非常复杂的网络结构。
它里面有好多好多的节点，就像人的神经元一样。
这些节点之间相互连接，信息就在这些连接中传递。
如果把人工智能比作一个超级城市，那神经网络就是这个城市里的道路网络。
信息就像是汽车，在这些道路上跑来跑去，把需要的东西送到该去的地方。
人工智能技术体系在我们生活里的应用那可太多了。
就拿语音助手来说吧，你对手机喊一声，手机就能回答你。
人工智能导论--项目4 图像识别
感谢您的观看
人工智能导论 项目四 物体识别--计算机视觉的应用
目录
Cபைடு நூலகம்NTENTS
01 项 目 背 景 02 思 维 导 图 03 思 政 聚 焦 04 项 目 相 关 知 识 05 项 目 任 务 06 项 目 小 结 与 展 望
01
项目背景
• 物体识别背景介绍
伴随着图片成为互联网中的主要信息载体，难题随之出现。当信息由文字记 载时，我们可以通过关键词搜索轻易找到所需内容并进行任意编辑，而当信息由 图片记载时，我们却无法对图片中的内容进行检索，从而影响了我们从图片中找 到关键内容的效率。图片给我们带来了快捷的信息记录和分享方式，却降低了我 们的信息检索效率。在这个环境下，借助计算机实现图像主体的识别技术就显得 尤为重要。
04
项目相关知识
• 物体识别
人类和计算机是如何识别这张图片的呢？
• 物体识别的任务划分
a) 分类
b) 分类+定位 物体识别任务划分
c) 多目标检测
• 分类的相关技术
图像分类的流程包括训练阶段和测试阶段 名词解释：训练集、测试集、独热编码、置信率
4种类别的训练图片
• 图像的原始特征表示形式
莱娜灰度图
• 目标检测相关技术
滑动窗口检测示意图
• 目标检测相关技术
非极大值抑制（Non-Maximum Suppression，NMS）：当边框预测环节生成了大量建议 边框后，接着要为每个矩形框做类别分类概率，最后需要判别哪些矩形框是没用的。所谓 的非极大值抑制就是根据分类器类别分类概率做排序，从小到大排序，先拿最大概率候选 框与其他框计算重叠度IOU，丢弃高于阈值的建议框。然后从没有被丢弃的建议框中再找 最大概率建议框，重复上述操作，直到找到所有被保留下来的建议框。
《模型思维 简化世界的人工智能模型》读书笔记思维导图
目录
05 第4篇 序列模型：揭 示现象背后的规律
07
第6篇 相似模型：谁 与我臭味相投
06
第5篇 表示模型：万 事万物的表示
08 第7篇 分类模型：物 以类聚，人以群分
对从事算法研究与算法开发的人来说，模型的学习与使用必不可少。尤其是在目前如日中天的人工智能领域 里，人人谈模型，模型也是层出不穷，让人眼花缭乱。模型让人又爱又恨。模型可爱的地方在于它确实能够解决 实际问题，而且其有效性一般都经过了检验。模型可恨的地方在于学习模型是一件非常痛苦的事情，尤其是对人 工智能的初学者来说。本书将人工智能在现实生活场景中解决的问题分类，并根据这个分类来介绍各种模型。书 中将人工智能问题分为权重问题、状态问题、序列问题、表示问题、相似问题和分类问题六大类，方便读者了解 各个模型之间的关系，也方便读者理解各个模型的适用场景。本书尽量更多地介绍模型的使用场景，更多地介绍 实际业务需求之间的关系，更多地采用生活中更浅显易懂的例子，方便人工智能的初学者学习模型。本书不仅适 合希望学习和运用人工智能模型到具体应用场景的企业工程师、科研院所的学生和科研人员，也适合对人工智能 模型感兴趣的读者，使其将模型思维应用到生活中。
5
第17章 支持 向量机模型
谢谢观看
第8章 隐马尔 可夫模型
第9章 最大熵 模型
第5篇 表示模型：万事万物的表 示
第10章 向量空 间模型
第11章 潜在语 义分析模型
第6篇 相似模型：谁与我臭味相 投
第7篇 分类模型：物以类聚，人 以群分
1
第13章 感知 机模型
2
第14章 逻辑 回归模型
3
第15章 朴素 贝叶斯模型
4
第16章 决策 树模型
最新版读书笔记，下载可以直接修改
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
6张思维导图看懂新一代人工智能知识体系孙正义预言:人工智能30年内一定出现,机器人智商将是人类的50倍；
凯文·凯利认为：人工智能是下一个20年里颠覆人类社会的技术，其力量堪比电与互联网；
李开复更断言：10年后，全世界50%的工作，都会被人工智能所取代！
人工智能是未来商业世界的最大趋势热点，腾讯、阿里、百度公司都各自成立了人工智能实验室。
关于人工智能的前世今生、内涵意义、学科技术体系、行业应用领域下面6张思维导图可以说是相当清楚全面了。
如要深入学习人工智能行业，
可通过以下300份人工智能深度研究报告进行系统学习
关注资鲸公众号：免费获取10 个领域200 份行业精品研究报告，50 份成功融资商业计划书
搜索关注公众号：资鲸，回复：人工智能。