阿里云人工智能工程师ACA认证免费课程学习笔记

发布于：2025-02-11 ⋅ 阅读:(52) ⋅ 点赞:(0)

阿里云人工智能工程师ACA认证免费课程学习笔记

0. 引言
第1章：人工智能基础
第2章：机器学习PAI平台基础
第3章：数据处理基础
第4章：机器学习基础
第5章：深度学习基础
第7章：自然语言处理基础

0. 引言

这里记录了部分阿里云人工智能工程师ACA认证免费课程的截图，方便我个人查阅。

第1章：人工智能基础

课时1：人工智能概述

在这里插入图片描述

课时2：人工智能产业结构

在这里插入图片描述

课时3：人工智能项目开发的基本流程

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

第2章：机器学习PAI平台基础

略

第3章：数据处理基础

课时8：数据采集

在这里插入图片描述

在这里插入图片描述

课时9：数据可视化

在这里插入图片描述

课时10：数据标注

在这里插入图片描述

边框需要贴合物体

第4章：机器学习基础

课时11：机器学习概述

在这里插入图片描述

在这里插入图片描述

机器学习是使用算法解析数据
深度学习是采用多层非线性函数（神经网络）学习数据特征

在这里插入图片描述

利用已有的数据开发可以用来对新数据进行预测的模型
主要研究能产生模型的算法

在这里插入图片描述

一种以 “试错” 的方式进行学习，通过与环境交互获得的奖赏指导行为。

在这里插入图片描述

在这里插入图片描述

分类：预测变量是离散的。
回归：预测变量是连续的。

在这里插入图片描述

用来估量模型的预测值与真实值的不一致程度

在这里插入图片描述

优化函数通过调节参数使误差函数值变小
梯度下降：Gradient Descent
适用性梯度算法：使用学习率动态调整参数
均方根传播算法和AdaDelta算法：也是在学习率上做优化的
Adam算法：可以看做是动量优化法和均方根传播算法的结合，自适应的调整学习率

在这里插入图片描述

在这里插入图片描述

MBGD：n一般选择10。batch size选择不好的话，可能会带来一些问题。

在这里插入图片描述

对角线是分类正确的值，对角线以外都是分类错误的。

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

课时12：机器学习经典算法介绍

在这里插入图片描述

在这里插入图片描述

两种叫做二元线性回归，两种以上叫做多元线性回归。
需要先确定数据是否是线性关系

在这里插入图片描述

加上对系数的惩罚项

在这里插入图片描述

添加非线性变换

在这里插入图片描述

Softmax：激活函数

在这里插入图片描述

在这里插入图片描述

Softmax：另一个说法是归一化指数函数

在这里插入图片描述

找到最大边距超平面

在这里插入图片描述

径向基核函数用的最多

在这里插入图片描述

决策树是由节点和分支构成的
难点是怎么从数据生成决策树

在这里插入图片描述

信息：能消除不确定内容的才叫信息
ID3和C4.5是多叉树，CART是二叉树。样本量比较小的时候可以用C4.5，样本量比较大的使用CART算法。

在这里插入图片描述

有一点三个臭皮匠顶个诸葛亮的感觉

在这里插入图片描述

袋外数据：没有在训练时被抽中的数据。可以做为验证数据使用。

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

聚类属于无监督学习的一种

在这里插入图片描述

课时13：机器学习PAI平台简单实现

略

第5章：深度学习基础

课时14：深度学习概述

在这里插入图片描述

渐变是指梯度

在这里插入图片描述

对卷积神经网络的支持特别好
torch是lua开发的
pytorch是torch的python版

在这里插入图片描述

caffe在计算机视觉的使用广泛

在这里插入图片描述

课时15：多层感知机

在这里插入图片描述

感知机只能解决单纯的线性问题

在这里插入图片描述

输入层，隐藏层，输出层
隐藏层可以有一层，可以有多层

在这里插入图片描述

存在梯度消失的情况
存在梯度消失的情况

在这里插入图片描述

ReLU是现在目前最受欢迎的函数
有部分神经元在训练的时很脆弱
放在人工神经网络的隐藏层

在这里插入图片描述
- BP神经网络是一种按误差逆传播算法训练的多层神经网络

在这里插入图片描述

课时16：卷积神经网络

在这里插入图片描述

通过特征提取和分类是吧完成对输入数据的判别
2012年AlexNet网络取得成功，此后卷积神经网络被广泛用于各个领域
AlexNet是第一个现代深度卷积网络模型

在这里插入图片描述

152层
使用了跳跃链接
缓解了梯度消失的问题

在这里插入图片描述

课时17：循环神经网络

在这里插入图片描述

多对多：最经典的RNN结构，输入和输出序列必须是等长的。

在这里插入图片描述

LSTM：Long Short Term Memory
循环神经网络最著名和成功的拓展

在这里插入图片描述

门的结构很简单，就是一个Sigmoid层和一个点乘操作的组合
因为sigmoid层的输出是0-1的值，这代表有多少信息能够流过Sigmoid层
一个LTSM里面包含三个门来控制细胞状态

在这里插入图片描述

课时18：生成对抗网络

在这里插入图片描述

近年来复杂分布上无监督学习最具前景的方法之一。
判别模型（Discriminative Model）

在这里插入图片描述

最终达到的判别概率大概是0.5

在这里插入图片描述

课时19：机器学习PAI平台简单实现

略

第7章：自然语言处理基础

课时26：自然语言处理基本介绍

在这里插入图片描述

在这里插入图片描述

课时27：自然语言处理基础技术详细介绍

在这里插入图片描述

BIOES

在这里插入图片描述

课时28：自然语言理解技术介绍与应用

在这里插入图片描述

课时29：自然语言生成技术介绍与应用

课时30：实验：自然语言处理简单实现

参考资料：

如果对课程感兴趣的话，请自行访问阿里云人工智能工程师ACA认证免费课程地址。