学习目标
🍀 了解人工智能的应用方向
🍀 了解人工智能的发展史
🍀 了解人工智能、机器学习和深度学习的关系
🍀 了解为什么学习机器学习
🍔 人工智能的应用方向
思考下面应用场景
考虑购物习惯，推荐相关商品? & 机器学习推荐算法
根据病人状况确定属于什么疾病? & 机器学习分类预测算法
预测2018年人民币汇率涨or不涨? & 机器学习分类预测算法
预测2022年深圳市房价趋势走向？ & 机器学习回归算法
如何根据特征对样本数据进行聚类？ & 机器学习聚类算法
🍔 人工智能的发展历史
机器学习的三次浪潮也可以说是人工智能的三次浪潮，因为机器学习是人工智能（Artificial Intelligence）研究发展到一定阶段的必然产物。
1956年夏季，以麦卡赛、明斯基、罗切斯特和申农等为首的一批有远见卓识的年轻科学家在一起聚会，共同研究和探讨用机器模拟智能的一系列有关问题，并首次提出了“人工智能”这一术语，它标志着“人工智能”这门新兴学科的正式诞生。
1956 年被认为是人工智能元年
1950-1970 符号主义流派：专家系统占主导地位
1950：图灵设计国际象棋程序
1962：IBM Arthur Samuel 的跳棋程序战胜人类高手（人工智能第一次浪潮）
1980-2000
统计主义流派：主要用统计模型解决问题
1993：Vapnik提出SVM
1997：IBM 深蓝战胜卡斯帕罗夫（人工智能第二次浪潮）
2010-至今
神经网络、深度学习流派
2006：Hinton
2016：Google AlphaGO 战胜李世石（人工智能第三次浪潮）
🍔 人工智能、机器学习、深度学习关系
机器学习是人工智能的一个分支, 深度学习是实现机器学习的一种技术.
机器学习是研究如何使计算机能够模拟或实现人类的学习功能，从大量的数据中发现规律，提取知识，并在实践中不断地完善和增强自我。机器学习是机器获取知识的根本途径，只有让计算机系统具有类似人的学习能力，才可能实现人工智能的终极目标。
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
🍔 为什么学习机器学习？
首先我们对数据、信息、有价值信息等概念做一个基础回顾
角度1：利用机器学习对数据进行价值化提取
角度2：从数据分析4个层次角度理解，机器学习帮助我们实现预测和规范性分析
随着技术的不断发展, 我们使用的分析方式也在不断发展和变化。过去企业专注于收集有关其客户和产品的数据进行描述性和诊断性分析 。但越来越多地，我们希望从收集的数据中进行预测性和规范性分析。
🍔 小节
- 人工智能在无人驾驶、图像识别、医疗智能诊断、数据挖掘方面广泛应用
- 1956 年被称为人工智能元年，发展至今经历了三次浪潮
- 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
- 学习机器学习可以对数据进行价值化提取，帮助我们实现预测和规范性分析
💘若能为您的学习之旅添一丝光亮，不胜荣幸💘
🐼期待您的宝贵意见，让我们共同进步共同成长🐼
版权归原作者 小言从不摸鱼 所有， 如有侵权，请联系我们删除。