人工智能應用基礎授課人：周老師

技術篇項目2?機器學習與深度學習01項目描述05項目拓展02項目分析06項目小結03相關知識07項目練習04項目實施目錄項目描述01早上一縷陽光照進臥室，小明聽到一個熟悉的聲音：“現在是早上7點，新的一天開始了”。小明對這個聲音很熟悉，是臥室的智能音響發出的，小明還可以問它今天的天氣，并且自己打開窗簾。小明來到餐廳開始吃早餐，剛拿出手機想瀏覽今天的新聞，手機就自動解鎖了。當打開手機里的電商網站，第一時間就看到了自己喜歡的商品。幾年前仍是科幻小說里的場景，不僅成為小明每天的日常，也已經成為我們大部分人真實的生活經歷。2.1項目描述這背后是人工智能算法在驅動。

它們是怎么執行的？為什么會表現出像人一樣的智能？

小時也想學習人工智能技術，利用這項技術造福更多的人。因此，小明想了人工智能算法的相關知識。2.1項目描述02項目分析人工智能算法無時無刻不在影響我們的生活。目前人工智能算法中，機器學習與深度學習已成為主流，正是它們藏在我們身旁，才讓上面這一切以前不敢想的生活如今成為現實。要了解人工智能算法是怎么讓設備具有智能的，需要學習以下內容：1.

人工智能算法的分類2.

數據在計算機的表示方法3.算法的學習過程2.2項目分析03相關知識人類的智能我們可以根據三角形的定義，很容易區分出哪些是直角三角形2.3相關知識人類的智能也可以很容易區分出貓和狗的圖片，但此時規則變得很復雜，很難將規則寫成計算機程序。2.3相關知識貓

？頭型耳朵毛發五官五官長圓立折平突............狗

？定義規則人工智能的子類-機器學習讓計算機從數據中自動尋找規律，并利用學習到的規律對未知或無法觀測的數據進行預測，這樣的方法就被稱為機器學習，并可以用來完成各種識別任務。2.3相關知識人工智能的子類-深度學習深度學習是機器學習下的一個分支，它的核心是人工神經網絡（ArtificialNeuralNetwork,ANN）。它使用多層人工神經網絡來模擬人腦的神經元工作方式，數據輸入到神經網絡時會經過多次處理，相比于傳統機器學習而言會比較深，因而叫做深度學習。2.3相關知識人工智能的分類任何模仿人類或其它生物體智力或行為的方法都叫人工智能。而機器學習是人工智能領域中專指利用數據進行學習的技術，它無需依靠人來定義規則，深度學習則是機器學習領域中受人類神經系統啟發的一種技術。2.3相關知識數據的表示方法在面對聲音、圖像、文本等輸入數據時，語音識別任務可以根據人說話的音頻信號，判斷說話的內容；圖像識別根據輸入的圖片來判斷圖中的內容；機器翻譯則可以將輸入的某一種語言文字轉換成一種語言。學習的目的就是要掌握這些數據的規律，將他們轉換為對應的輸出。2.3相關知識文本表示在計算機中，每個字符都用一個數字表示，比如有字符串“helloworld”，會將每個字母用一個數字替代。如果是中文字符，會用十六進制來表示，因為英文字母總共只有26個，但漢字的數量有很多。2.3相關知識文本的分詞為了理解單詞的含義，需要將句子劃分為單詞，以單詞為基本單位來編碼，這個過程稱為分詞2.3相關知識圖像的表示一張黑白圖片，當我們將其中一塊區域放大后，就可以明顯的看到一個個的像素，它們通過一定的順序（矩陣形式）進行排列，像素是組成圖像的基本單位，每個像素用一個數字表示，叫做灰度值。比如0代表黑色，1代表白色，中間不同的灰度就用0到1之間的小數來代表2.3相關知識聲音的表示聲音是通過聲波進行傳播，聲波由物體的振動產生，再經介質傳播，最后到達人耳被人感知。計算機沒有耳朵，這時候我們就需要把聲波轉換成便于計算機存儲的數字信號。2.3相關知識聲波的數字化經過采樣-量化-編碼三個步驟將聲波轉換為能在計算機中存儲的數字編碼。2.3相關知識機器學習的過程預處理步驟把原始數據轉換成適合機器學習的數據格式，再通過特征提取與轉換步驟來獲得其中有用的特征，即數據中包含的可利用規律，最后根據這些提取的特征來預測數據內容。2.3相關知識機器學習到的特征特征是識別圖片內容所需要的關鍵信息，比如貓與狗的識別，機器實際上是在學習提取五官、紋理、輪廓等，然后將這些提取的特征進行比較來進行預測（貓或狗）2.3相關知識監督學習讓計算機“看”大量的手寫體數字樣本，并利用某種算法對計算機進行訓練，使其自動學習到這些數字隱含的特征信息。不過在將數字樣本給計算機“看”之前，需要先對每個樣本進行標注（也叫標簽）。將每個類別的數字圖片標注出來，相當于告訴計算機這些數字是什么，讓它們自己去學習（提取）其中的特征，這個過程稱為訓練。2.3相關知識監督學習在識別貓狗圖片時，用數字0代表貓，數字1代表狗，然后將標注后的數據進行訓練，當計算機識別出貓時就會輸出0，識別出狗時則會輸出1。2.3相關知識監督學習訓練用的數據和待預測的數據必須具有相似的規律。我們可以輸入不同水果的圖片訓練一個能識別水果的模型，水果的類別也僅限于模型已經見過的類別，但并不能用來識別手寫體數字。2.3相關知識無監督學習無監督學習模型的輸入數據集是不同類型的動物圖片，并且這些圖片是沒有任何標簽信息的，也就是說模型并不知道圖片中的動物是什么。此時，無監督學習的任務是自行識別動物的特征，根據不同動物之間的相似性將具有相同特征的動物聚集到同一組中，這個過程也稱為聚類。2.3相關知識04項目實施數據集展示30張用于垃圾分類的圖像，這此圖像此時是沒有任何標簽的，需要我們自己根據圖像中物體的材質將這些垃圾分為金屬、玻璃、塑料3類。——“垃圾分類數據”標注2.4項目實施打開EasyDL平臺進入EasyDL平臺：/easydl/，我們是要為圖像數據增加標簽信息，用于后續的分類任務，所以這里選擇“圖像分類”。——“垃圾分類數據”標注2.4項目實施創建數據集點擊右側的“數據總覽”，可以看到還沒有任何數據集，于是點擊“創建數據集”按鈕。——“垃圾分類數據”標注2.4項目實施填寫數據集信息在數據集名稱一欄填寫“垃圾分類”，其它信息可選擇默認值。——“垃圾分類數據”標注2.4項目實施上傳數據集點擊“創建并導入”按鈕，來到導入圖片頁面，導入方式一欄選擇“本地導入”和“上傳圖片”，然后選擇30張垃圾圖片，完成后開始導入，此時根據數據集的大小，會等待一段時間對數據進行導入。——“垃圾分類數據”標注2.4項目實施標注圖片導入成功后，我們點擊右側的“在線標注”來給圖片添加標簽信息。此時我們可以瀏覽每張導入的圖片，然后根據自己的判斷，在頁面左邊給圖片添加你認為正確的標簽信息。——“垃圾分類數據”標注2.4項目實施選擇擴充方法對圖片的擴充有多種方法，通過選擇各種不同的增強算子來實現，在增強算子一欄選擇“FlipLR”，該算子可以將數據集中的圖片進行左右翻轉來擴展原有的圖片數量。——“垃圾分類數據”標注2.4項目實施查看效果擴充完成后，查看數據集V2版本的內容，我們發現數據集的數量由原來的30張變成了60張，因為每張圖片都進行了一次左右翻轉，數量變成了原來的2倍。——“垃圾分類數據”標注2.4項目實施05項目拓展（1）如果部分數據標簽出現了錯誤，機器學習還能正常工作嗎？（2）給圖像做標簽時，用1來標簽貓，用0來標簽狗，如果反過來，用0標簽貓，用1標簽狗，機器還能正常學習嗎？2.5項目拓展06項目小結機器學習就是利用算法，使得機器能夠從大量數據中學習并自動改進其預測和決策能力，包括多種不同類型的學習方法，如監督學習、無監督學習等，而深度學習更加專注于使用深度神經網絡。在機器學習中，數據是至關重要的，通過大量的數據訓練，機器能夠逐漸掌握某種規律或模式，進而對新的數據進行預測和分類。2.6項目小結07項目練習一、選擇題

1.?深度學習中的核心概念是什么？（

）。

A.?機器學習B.?神經網絡C.?人工智能D.?計算機

2.?用機器學習來解決實際任務時，會面對多種多樣的數據形式，這些數據不包括（

）。A.?語音B.?文本C.?圖像D.?算法3.?機器學習在進行手寫體數字識別時，輸入的數據類型是哪種？（

）A.?文字B.?數字C.?圖像D.?聲音2.7項目練習一、選擇題

4.?在機器學習流程中，數據在進行特征提取之前，要先經過哪個步驟？（

）

A.?預處理B.?特征轉換C.?預測D.?學習

5.?監督學習與無監督學習的差別，主要表現在什么方面？（

）A.?數據是否相似B.?是否需要訓練C.?是否為深度學習D.?數據是否有標