3、TensorFlow教程— 理解人工智能

人工智能包括通过机器和特殊计算机系统模拟人类智能的过程。人工智能的示例包括学习、推理和自我校正。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。

让我们关注下面的维恩图，以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，而深度学习则是机器学习的一部分。遵循机器学习概念的程序的能力是改善其对观测数据的性能。数据转换的主要动机是为了提高其知识，以便在未来实现更好的结果，为特定系统提供更接近所期望的输出。机器学习包括“模式识别”，其中包括识别数据中的模式。

这些模式应该经过训练以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训练 –

监督式训练
无监督训练
监督学习
监督学习或监督训练包括一个过程，其中训练集作为输入提供给系统，在这个过程中，每个示例都带有一个期望的输出值标签。在这种类型的训练中，使用特定损失函数的最小化来表示输出与所期望的输出系统之间的误差。

在训练完成后，会针对与训练集不重叠的示例（也称为验证集）来测量每个模型的准确性。

最好的示例来说明“监督学习”是一组带有包含信息的照片。在这里，用户可以训练一个模型来识别新的照片。

无监督学习
在无监督学习或无监督训练中，包括未被系统标记其所属类别的训练示例。系统寻找共同特征的数据，并根据内部知识特征对它们进行更改。这种类型的学习算法主要用于聚类问题。

最好的示例来说明“无监督学习”是一组没有包含信息的照片，用户使用分类和聚类来训练模型。这种类型的训练算法基于没有提供信息的假设工作。