资源描述
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：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,
展开阅读全文
相关搜索
