第0节，机器学习与深度学习
·
课表
0, 机器学习与深度学习介绍。深度学习基本知识
1，多层神经网络，多层感知机。
2， python基本操作，环境搭建。 Pytorch 介绍。
3，深度学习解决回归任务。 回归代码实战： 新冠人数预测。（目标是看懂一个深度学习项目，模型保
存， 预测， 训练集和验证集划分， 测试集评估
4，图片分类任务。 卷积神经网络介绍。 经典卷积神经网络。
5，图片分类任务实战， 图片分类任务。（迁移学习，图片增广， 目标学会写一个项目）
6， 深度学习与特征的关系， 为后面内容做铺垫。
7，NLP任务介绍， （RNN,LSTM简单介绍）。 主要为介绍self-attention机制与bert模型代码讲解。(无
监督和自监督将在这一章节介绍。)
8，BERT实战， 文本情感分类任务。
9 ，初识生成任务，认识生成任务项目代码。
10，知识扩展
11，大模型知识点，
12，大模型微调实战
1.什么事深度学习
深度学习被包括在机器学习中，而机器学习又被包含在人工智能里面，总的来说都是一种包含的关系。深度学习的本质就是找出一个类似f函数的表达式，我们需要告诉机器input和output，让机器自己通过大量的数据训练得到f的表达式，但是我们可以不用关心表达式到底是什么，也就是说，深度学习是一门实践类的课程。
2.机器学习是什么
一般是基于数学，或者统计学的方法，具有很强的可解释性。具体的有：KNN, 决策树，朴素贝叶斯。
KNN： K最近邻居（K-Nearest Neighbors，简称KNN）
简单来说，就是划定一个范围，根据范围内的其他点对该点进行投票（当然每个点都可以有权重），来实现回归和分类任务。
3.初识神经网络任务
神经网络的输入的三种格式
向量，矩阵，序列
神经网络的输出的三种格式
回归（填空问题），分类（选择问题），结构化任务（简答题）
分类和回归是结构化的基础，分类时用数字表明类别
4.如何进行深度学习
如何找到一个函数
y（预测值）= w x + b（weight bias 权重和偏差 未知参数）
可以看出损失函数的定义就是用预测值减实际值的绝对值，同理也可以用损失函数来判断我们的w与b的选择怎么样
损失函数怎么计算？
如何优化损失函数？
梯度下降
目的也就是找损失函数loss最小的值，对w和对l的偏导数又是可以通过torch自动进行运算
线性函数与多层神经元
现实中并不是所有关系都是简单的线性关系，要通过多层神经元来实现
码道开发者社区，聚焦华为云码道 CodeArts 代码智能体，沉淀 Agent、Skill、鸿蒙开发实战内容，供开发者查阅资料、交流技术、分享工程实践
更多推荐
5
0- 0
已为社区贡献1条内容
所有评论(0)