当前位置： 首页 > news >正文

阿里云人工智能工程师ACA认证免费课程学习笔记

news 2025/1/1 8:28:50

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
    • 课时1：人工智能概述
    • 课时2：人工智能产业结构
    • 课时3：人工智能项目开发的基本流程
  • 第2章：机器学习PAI平台基础
  • 第3章：数据处理基础
    • 课时8：数据采集
    • 课时9：数据可视化
    • 课时10：数据标注
  • 第4章：机器学习基础
    • 课时11：机器学习概述
    • 课时12：机器学习经典算法介绍
    • 课时13：机器学习PAI平台简单实现
  • 第5章：深度学习基础
    • 课时14：深度学习概述
    • 课时15：多层感知机
    • 课时16：卷积神经网络
    • 课时17：循环神经网络
    • 课时18：生成对抗网络
    • 课时19：机器学习PAI平台简单实现

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
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
在这里插入图片描述
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
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
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
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
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
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
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
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
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
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
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
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
在这里插入图片描述
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
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
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
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
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
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
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

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
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
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

  • 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
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

  • 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
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
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

  • 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
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

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
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
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
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
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

  • 找到最大边距超平面

在这里插入图片描述
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
在这里插入图片描述
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
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

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
在这里插入图片描述
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
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
在这里插入图片描述

  • 渐变是指梯度

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

  • 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
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
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
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
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
在这里插入图片描述

  • 存在梯度消失的情况
    在这里插入图片描述
  • 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
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

课时17：循环神经网络

课时18：生成对抗网络

课时19：机器学习PAI平台简单实现

略

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。

http://www.mrgr.cn/news/81818.html

相关文章：

  • STM32-笔记17-PWM波型
  • 基于 Python 大数据的计算机就业数据分析系统
  • 《向量数据库指南》——Milvus Cloud 2.5：Sparse-BM25引领全文检索新时代
  • js单例模式
  • 前端Python应用指南（七）使用SQLAlchemy与Django ORM：数据库操作的Python实践
  • python利用selenium实现大麦网抢票
  • Maven + MyBatis
  • MoH：将多头注意力（Multi-Head Attention）作为头注意力混合（Mixture-of-Head Attention）
  • Vuex用法
  • C++进阶重点知识（一）|智能指针|右值|lambda|STL|正则表达式
  • springboot整合log4j2案例以及异常输出格式案例2
  • 【SpringMVC】REST 风格
  • Pytorch | 利用DTA针对CIFAR10上的ResNet分类器进行对抗攻击
  • ipad如何直连主机（Moonlight Sunshine）
  • 【Linux学习五】时间日期指令与查找指令
  • 将现有Web 网页封装为macOS应用
  • Shell的变量功能
  • 学习记录—正则表达式-基本语法
  • 总结TCP/IP四层模型
  • jdk动态代理和cglib动态代理对比
  • Linux Debian安装ClamAV和命令行扫描病毒方法，以及用Linux Shell编写了一个批量扫描病毒的脚本
  • QTday3
  • 2024第一届Solar杯应急响应挑战赛
  • iDP3复现代码数据预处理全流程（二）——vis_dataset.py
  • 使用Xilinx PCIE XDMA框架读写访问DDR3内容
  • 远方的灯塔（自创诗歌浅析）