人工智能与机器学习简介
由 Mux 赞助的 DEV 全球展示挑战赛：展示你的项目！
想学习人工智能和机器学习吗？来对地方了！这是一份人工智能和机器学习入门指南。让我们马上开始吧！
什么是人工智能？
AI 代表人工智能，指的是机器和计算机程序的智能。人工智能是一个非常广泛的领域，包含许多不同的子领域。本文将重点介绍机器学习，它是人工智能的一个子领域。
什么是机器学习？
机器学习是人工智能的一个子领域，专注于构建能够从数据中学习的程序。这些程序被称为机器学习模型。机器学习模型首先在数据集上进行训练，然后就可以对新数据进行预测。
什么是数据集？
数据集是数据的集合，用于训练机器学习模型。数据集有很多不同的类型。本文将重点介绍表格数据集，这类数据集按行和列组织。以下是一个数据集示例。
什么是机器学习模型？
机器学习模型是一种算法的表达形式，它能够梳理海量数据，从中发现模式或做出预测。机器学习（ML）模型以数据为驱动，是人工智能的数学引擎。
例如，用于计算机视觉的机器学习模型可以识别实时视频中的车辆和行人。用于自然语言处理的机器学习模型可以翻译单词和句子。
从本质上讲，机器学习模型是对对象及其相互关系的数学表示。这些对象可以是任何东西，从社交网络帖子上的“点赞”到实验室实验中的分子。
最流行的机器学习模型有哪些？
机器学习模型种类繁多。以下是一些最流行的模型：
- 决策树
- 随机森林
- 梯度提升机
- 支持向量机
- 神经网络
机器学习模型是如何工作的？
机器学习模型基于数据进行训练。这些数据通常以行和列的形式组织。每一行代表一个样本，每一列代表一个特征。以下是一个数据集示例：
| 乘客ID | 幸存 | P级 |
|---|---|---|
| 1 | 0 | 3 |
| 2 | 1 | 1 |
| 3 | 1 | 3 |
| 4 | 1 | 1 |
| 5 | 0 | 3 |
第一列是PassengerId，这是每位乘客的唯一标识符。第二列是Survived列，这是目标变量，它指示乘客是否幸存。第三列是Pclass列，这是一个特征，它指示乘客机票的舱位等级。
机器学习模型的目标是学习特征与目标变量之间的关系。这称为模型训练。一旦模型学习了特征与目标变量之间的关系，它就可以对新数据进行预测。这称为推理。
机器学习的类型
机器学习有很多不同的类型。以下是一些最流行的类型：
- 监督学习：监督学习是机器学习中最常见的类型。在监督学习中，用于训练模型的数据包含目标变量。这意味着你需要告诉模型正确答案是什么。然后，模型会学习特征与目标变量之间的关系。一旦模型学习了这种关系，它就可以对新数据进行预测。
- 无监督学习：当训练模型的数据不包含目标变量时，就需要使用无监督学习。这意味着你不会告诉模型正确答案是什么。相反，模型必须自行找出特征之间的关系。这是一项非常困难的任务，并不常见。大多数机器学习问题都是监督学习问题。
- 强化学习：强化学习是一种机器学习方法，它通过反复试错来训练模型。模型进行一次猜测，然后根据猜测的准确程度获得奖励或惩罚。这个过程会重复多次。最终，模型会学习特征与目标变量之间的关系。
利用人工智能和机器学习的精彩项目
以下是我认为在所取得的成就方面相当优秀的一些例子：
- Github Copilot - GitHub Copilot 使用 OpenAI Codex 直接在您的编辑器中实时建议代码和整个函数。
- Dall.E 2 - DALL·E 2 是一个全新的人工智能系统，能够根据自然语言描述创建逼真的图像和艺术作品。
- 英伟达模拟人体运动超过10年！
- 如今，每一款新的中端到旗舰手机都面临着……
添加 5 层虚拟妆容摄影、人脸解锁、AR，甚至还有游戏敌人！ - TensorFlow——如果你正在学习和发展人工智能和机器学习领域，那么你一定听说过/使用过这个框架。
- 人工智能专家路线图——2022年成为人工智能专家的路线图，以及更多其他内容！欢迎在评论区留言，我们会将其添加到这里！
这篇博客是对人工智能和机器学习的入门介绍，最有趣的是，我最近才对这个领域产生兴趣，并且已经学习了一个多月了。欢迎在评论区留言提出任何疑问、建议、修改意见或其他任何想法。
发现任何错误？也请在评论区指出！想看更多我的文章？请告诉我！
加入我的Discord服务器：https: //dscrdly.com/server
为我目前正在开发的项目点赞：https://github.com/rovelstars/reejs
开发者，祝你今天愉快！
文章来源：https://dev.to/renhiyama/introduction-to-ai-ml-1jdb