TensorFlow - 了解人工智能

简述

人工智能包括机器和特殊计算机系统对人类智能的模拟过程。人工智能的例子包括学习、推理和自我纠正。人工智能的应用包括语音识别、专家系统、图像识别和机器视觉。

机器学习是人工智能的一个分支，它处理可以学习任何新数据和数据模式的系统和算法。

让我们专注于下面提到的维恩图来理解机器学习和深度学习的概念。

机器学习包括机器学习的一部分，而深度学习是机器学习的一部分。遵循机器学习概念的程序的能力是提高其观察数据的性能。数据转换的主要动机是提高其知识，以便在未来取得更好的结果，为特定系统提供更接近所需输出的输出。机器学习包括“模式识别”，其中包括识别数据模式的能力。

应该学习模式以期望的方式显示输出。

机器学习可以通过两种不同的方式进行学习 -

监督学习或监督学习包括一个过程，其中将学习集作为系统的输入给出，其中每个示例都标有所需的输出值。这种类型的学习是使用特定损失函数的最小化来执行的，该损失函数表示相对于所需输出系统的输出误差。

学习完成后，每个模型的准确度是根据学习集（也称为验证集）中不相交的示例来衡量的。

说明“监督学习”的最佳示例是一组包含信息的照片。在这里，用户可以学习模型来识别新照片。

在无监督学习或无监督学习中，包括学习示例，这些示例没有被系统标记为它们所属的类别。系统寻找具有共同特征的数据，并根据内部知识特征对其进行改变。这类学习算法基本上用于聚类问题。

说明“无监督学习”的最佳示例是一堆不包含任何信息的照片，并且用户学习具有分类和聚类的模型。由于没有给出任何信息，这种类型的学习算法在假设下工作。