🐊All-about-AI

文章封面图 (恐怖慎看)

此篇为本博客中 AI 领域的根, 也可以当做目录 (因为篇幅太长,就给分开了)

文中大量使用 LaTeX 公式, 如何写的可以看 🍹LaTeX~环形使者(?)
强推大佬朋友的文章: 【人工智能】面试问题整理

嗟叹
炼丹界门派好多啊, 一派一传承
师出少林, 修行武当, 行至小河, 探头一照
欸, 爷竟是峨眉的 🐵

体系概览

人工智能是什么? ^[1]^[2]

下面包含细分文章的索引 (可点击跳转)

AI
研究领域
机器学习
深度学习
CV 计算机视觉
图像识别
机器视觉
语音信息处理
文本->语音
语音->文本
自然语言处理 NLP
文本生成
文本分类
翻译
…
ROS 机器人系统
专家系统
框架和库
Tenserflow
Pytorch
sklearn
飞桨
…
表示学习
表示
为了提高机器学习系统的准确率,就需要将输入信息转换为有效的特征
数据表示是机器学习的核心问题
底层特征与高层语义之间存在语义鸿沟,如何在鸿沟上搭桥是表示学习的关键
表示方法
局部表示/离散表示/符号表示
如: 红绿蓝
分布式表示
优点
表示能力强
向量维度低
相似度容易计算
例如: (255,0,0), (0,255,0)
嵌入
将一个度量空间中的一些对象映射到另一个低维的度量空间中
并尽可能保持不同对象之间的拓扑关系,比如自然语言中词的分布式表示

数据分析

数据分析
数据类型
数值 Numerical
离散 discrete
连续 continuous
分类 Categorical
无法相互度量的数据,例如颜色
序数 Ordinal
类似分类数据,但可以相互度量
常用特殊值
均值 mean
中值 median
众数 mode
标准差 std
方差 var = std * std
百分位数 percentile
返回一个数 x, 这个 x >= 数组中百分之 percentile 的数