机器学习简介机器学习简介

简介

机器学习基本概念，原理，历史，未来趋势，常见算法
语音识别
ocr工具(图像转文本)、 tts(文本转语音)、ASR_APP（语音转文本）
图像检测
机器翻译
风格迁移
NLP(自然语言处理)
搜索引擎
。。。。
算法模型训练集测试集验证集

5W2H how machines learning works： 1. select data (training data， validation data，test data) -> 训练集测试集验证集 2. Model data(训练集构建相关特征的model) -> 3. Validate Model -> 4. test model -> 5. use the model -> 6.Tune model Machines can 'learn' by analyzing large amounts of data. 它通过数据分析获得数据规律，并将这些规律应用于预测或判定其他未知数据数据科学Work Flow: 获取(数据存在不同的格式) -> 检查和探索 -> 清理和准备 -> 建模 -> 评估 -> 最后的部署

数据科学的工作流程

获取:
不同的数据源，不同的数据格式

检查和探索：
合理地检查数据
检查最极端的情况
统计测试，并将数据可视化
数据是否缺失或者不完整
Jupyter pandas matplotlib
Seaborn = 专门为统计可视化创建的库

清理和准备
转换为适合于模型使用的格式
过滤 - 聚集输入 - 转化

建模
选择适当的算法，并在数据上训练出一个模型
将数据分割为训练测试和验证的集合

评估
模型构建完成并开始进行预测
实际值与评估之间的距离测量

部署
一个定制的Web应用程序，甚至是一个简单的cron作业