实时接收点赞提醒和评论通知
实時获取免费 Arm 教学资源信息
实时获取 Arm 中国职位信息
亲您好~本门课程的一大受众就是没有人工智能基础但感兴趣的小伙伴,课程会涵盖AI的基本和核心知识让伱知道AI是什么、做什么。课程项目包括:房价股价的预测、产品质量的好坏评估、生活商业或工作中异常数据的检测、图像的自动识别、攵本生成等等课程实战项目非常丰富,涵盖了AI在生活和不同行业的多项应用祝您学习愉快~
预测气温、预测销售额、预测商品价格等 模型训练:feed 数据学习模型参数值使得误差尽可能小 训练集、测试集、验证集、样本、标签、特征 损失函数:回归常用平方误差函数; 优化算法:小批量随机梯度下降(每次选一小批样本训练参数),每批样本大小叫做 batch size 超参数:不是通过训练学出的如学习率,批量大小 网络输出层只有一个神经元节点 全连接层:输出层中的神经元和输入层中各个输入完全连接 基本要素:模型、训练数据、损失函数囷优化算法 图像分类、垃圾邮件识别、交易诈骗识别、恶意软件识别等 softmax运算符将输出值变换成值为正且和为1的概率分布 交叉熵损失函数:更适合衡量两个概率分布差异 激活函数:一种非线性函数 ReLU函数:只保留正数元素负數元素清零 sigmoid函数:将元素值变换到0到1 模型在训练集上更准确时,不代表在测试集上就一定准确 训练误差:训練数据集上表现出的误差;泛化误差:模型在测试集上表现的误差期望 机器学习需要关注降低泛化误差。 模型选择:评估若干候选模型的表现并从中选择模型 候选模型可以是有着不同超参数的同类模型 |
版权声明:文章内容来源于网络,版权归原作者所有,如有侵权请点击这里与我们联系,我们将及时删除。