人工智能学习笔记（一） 准备工作

什么是人工智能

人工智能是一门基于计算机科学，生物学，心理学，语言学，数学和工程学等学科的科学和技术 。 人工智能的一个主要推动力是开发与人类智能相关的计算机功能 ，例如推理，学习和解决问题。

好了，不扯这么多概念，先把开发环境整起来。

开发环境配置

各种编程语言（Lisp，Prolog，C++，Java 和 Python）均可用于开发 AI 的应用程序。 其中，Python 受到广泛欢迎，主要原因是

Python 简单的语法和更少的编码量；

Python 拥有几乎所有种类的 AI 项目库，例如NumPy、SciPy、matplotlib、nltk、SimpleAI等，还有Tensorflow、pyTorch等多种主流学习框架；

本系列学习样例的开发环境Python版本为3.9.10

官方下载地址为：https://www./downloads/windows/

安装时勾选安装pip，并将Python添加到环境变量：

开发工具选择

简单算法可以用自然语言、程序框图、N-S图、伪代码、计算机语言表示。

1. PyCharm Community Edition

选择社区版是因为基础学习已经足够，免去破解或者付费的烦恼。只是社区版中 Jupyter notebooks为只读。不过基础的学习代码编写.py文件也可以测试。

开发工具还有个优势就是可以便捷的通过提示快速安装缺少的Python库。

1. Jupyter Notebook

Jupyter Notebook是一个交互式笔记本，支持运行 40 多种编程语言。在notebook中可直接编写和运行Python代码。

JupyterLab：

# 安装 pip install jupyterlab # 运行 jupyter-lab

Jupyter Notebook：

# 安装 pip install notebook # 运行 Jupyter notebook

安装Voilà

pip install voila

机器学习主要任务分类与算法

分类（是什么）：监督学习，通过分类变量建模及预测。常用算法包括逻辑回归、分类树、支持向量机、朴素贝叶斯、深度学习。

回归（是多少）：监督学习，通过连续数值变量预测和建模。常用算法包括线性回归、回归树、最近邻算法、深度学习。

聚类（怎么分）：无监督学习，基于数据内部结构寻找样本集。常用算法包括K均值、仿射传播、分层/层次、聚类算法。