現在人工智慧必會知識點總結如下：
1.1.1cpu與gpu的區別：
1.3.1機器學習定義
機器學習是從資料中自動分析獲得模型，並利用模型對未知資料進行**
1.3.2機器學習工作流程總結
1.3.3獲取到的資料集介紹
資料集中一行資料一般稱為乙個樣本，一列資料一般稱為乙個特徵。
資料集的構成：
為了模型的訓練和測試，把資料集分為：
特徵工程包含：
1.4.1演算法分類
根據資料及組成不同，可以將機器學習演算法分為：
有監督，無監督演算法對比：
1.4.4半監督學習
定義：訓練集同時包含有標記樣本資料和未標記樣本資料。
1.4.5強化學習
定義：實質是make decisions 問題，即自動進行決策，並且可以做連續決策。
舉例：小孩想要走路，但在這之前，他需要先站起來，站起來之後還要保持平衡，接下來還要先邁出一條腿，是左腿還是右腿，邁出一步後還要邁出下一步。
小孩就是 agent，他試圖通過採取行動（即行走）來操縱環境（行走的表面），並且從乙個狀態轉變到另乙個狀態（即他走的每一步），當他完成任務的子任務（即走了幾步）時，孩子得到獎勵（給巧克力吃），並且當他不能走路時，就不會給巧克力。
主要包含五個元素：agent, action, reward, environment, observation；
強化學習的目標就是獲得最多的累計獎勵。
1.4.6總結
模型評估是模型開發過程不可或缺的一部分。它有助於發現表達資料的最佳模型和所選模型將來工作的效能如何。
按照資料集的目標值不同，可以把模型評估分為分類模型評估和回歸模型評估。
1.5.1分類模型評估
準確率：**正確的數佔樣本總數的比例。
其他評價指標：精確率、召回率、f1-score、auc指標等
1.5.2回歸模型評估
均方根誤差（root mean squared error，rmse）rmse是乙個衡量回歸模型誤差率的常用公式。 不過，它僅能比較誤差是相同單位的模型。
1.5.3擬合
模型評估用於評價訓練好的的模型的表現效果，其表現效果大致可以分為兩類：過擬合、欠擬合。
欠擬合：有四肢的就是人
過擬合：黃**的才是人
深度學習的發展源頭–神經網路【了解】
多層神經網路，在最初幾層是識別簡單內容，後面幾層是識別一些複雜內容。【了解】
人工智慧學習筆記
人工智慧並非專家系統，但是卻或多或少的與專家系統有關係，可以說專家系統是人工智慧很早期的存在形式。專家系統 es,expert system 是一種模擬人類專家解決領域問題的電腦程式系統。專家系統具有如下的一些特點 1 知識的匯聚 2 啟發性推理 3 推理和解釋的透明性 4 知識的更新 典型的專家系...
人工智慧筆記（一）
假設有輸入資料x x 1，x2 xn 輸出資料y，通過線性方程來擬合輸入資料x和輸出資料y之間的關係。線性方程為 h x w 0 w1 x1 w 2x2.w nxn 現在我們有m組輸入資料x和對應的實際輸出資料y，這時候矩陣表示 y 1y2y 3.ym 11.1x 11x2 1xm1 x12.x1 ...
《人工智慧實踐 TensorFlow筆記》學習筆記
第 講 講解內容 學生可學會 一人工智慧 機器學習 神學學習 神經網路發展 典型應用 環境搭建 二python語法織成網 python基本用法 三tensorflow名詞解釋，給出神經網路八股 神經網路八股 四神經網路優化 神經網路基本優化方法 五minist資料集 全連線網路基礎 手寫數字識別，輸...