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

1. 获取:
   不同的数据源，不同的数据格式
2. 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
3. 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
4. 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
5. 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
6. 部署
   一个定制的Web应用程序，甚至是一个简单的cron作业

常见机器学习算法

1. 决策树(Decision Tree)

NLP

nlu 自然语言理解包括三块：
1. 领域识别
2. 意图识别
3. 槽填充

参考链接: http://www.cyzone.cn/article/159742.html
https://easyai.tech/ai-definition/machine-learning/