弗兰克·凯恩

机器学习和深入学习都是热点话题和流行语的高科技产业。您可以在上下文中听到这些话题人工智能(人工智能)、自动驾驶汽车、电脑在游戏中击败人类,以及其他有新闻价值的技术发展。bob外围官网如果您是AI领域的新手,您可能想知道这两者之间有什么区别。

认为它是这样的:深度学习和机器学习是人工智能的两个子集。而且,深度学习是机器学习的一个子集。机器学习是人工智能技术,深度学习是机器学习技术。

机器学习,数据科学和Python深度学习

最后更新2020八月

  • 111课
  • 初学者水平
4.5 (22061)

完成动手机器学习教程,数据科学,Tensorflow,人工智能和神经网络|通过Sundog带来教育弗兰克·凯恩,凯恩弗兰克

探索课程

机器学习是一个许多人工智能技术的

在人工智能的早期,这个领域依赖于硬编码的规则和算法。与人工智能下棋是一种野蛮计算能力的练习;计算机程序会预测每一系列可能的走法,并从中选择出结果最好的走法。人工智能聊天机器人可以通过寻找用户提供的特定单词和短语与你进行“对话”。然后它会用事先准备好的程序回复(现代的虚拟助理仍然依赖这种技术)。虽然这些系统看起来很智能,但它们依赖于它们的程序智能——它们没有能力通过自己的经验来学习。

机器学习把它倒过来。机器学习算法代替了硬编码的规则来解决问题熟练通过喂养它的真实数据。然后机器学习构建一个模型它会在你给出的数据和你试图预测的事物之间寻找模式。这个模型可以预测以前从未见过的新事物。随着模型接触到越来越多的训练数据,其精度也越来越高。

机器学习的顶级课程

机器学习模型的部署
Soledad Galli, Christopher Samiullah
4.5 (1866)
Python中的无监督机器学习隐藏马尔可夫模型
懒惰的程序员公司
4.6 (2675)
畅销书
贝叶斯机器学习在Python:A / B测试
懒惰的程序员公司
4.5 (3792)
畅销书
Python中的集合机器学习:随机森林,AdaBoost
懒惰的程序员公司
4.6 (1353)
机器学习使用Javascript
Stephen主梁
4.7 (2017)

更多机器学习课程

举一个简单的例子,假设你想建立一个可以预测基于该房子的属性的房子的销售价格体系。You might train a machine learning algorithm by feeding it historical data of house sale prices, together with things like the home’s location, square footage, number of bathrooms, age, etc. The algorithm would start to find how these different properties of a house affect its sales price and build up a model that understands how each attribute affects the ultimate price of the home. For new houses going on the market, this machine learning algorithm could use the model to predict its sales price automatically. And as more and more home sales are fed into the system over time, its accuracy will get better and better.

该机器学习系统不依赖于一个人的裁定程序;相反,它是基于真实数据中学习他们。

深度学习是许多机器学习技术中的一种

那房子怎么可能定价系统的工作?它实际上相当简单;你可以绘制各种属性,如禁止出售价格你训练的系统平方英尺,曲线拟合到各一个,并使用这些曲线来预测新的房屋价格正在冲击着市场。这就是所谓的多重回归

或者,你可以建立一个决策树它学习一系列层级决策点,从而得出准确的价格预测。它可能从一个给定区域的价格范围开始,根据房子的大小进行细化,再根据房子的年代进一步细化,直到最后的价格被估算出来。这只是我们可能会用到的许多机器学习算法中的两种,但它们都不是我们所说的“深度学习”。

使您的团队。引领行业。

通过Udemy for Business为你的组织订阅在线课程和数字学习工具库。

申请演示

深度学习为复杂的人工神经网络

虽然深度学习是另一种机器学习技术,它吸引了人们的注意,因为它非常灵活,并且受到了人类大脑工作方式的启发。

深度学习系统是由虚拟层神经元。每个神经元的工作是简单地关闭输出信号加起来进入它的输入,并决定是否将火上面神经元的下一层。

在一个层的每个神经元被连接到上面和下面的网络的层的每个神经元。通过学习最优权为每个连接的,这神经网络可以解决很多的问题,在很多你自己的大脑做了同样的方式。尽管神经网络是一个简单的概念,神经元之间的手段连接的数量之多,他们可以代表非常复杂的问题。

神经网络的一个例子

终极实践Hadoop——驯服你的大数据!
《Sundog Education》,Frank Kane著
4.5 (21116)
畅销书
Apache Spark与Scala -动手处理大数据!
《Sundog Education》,Frank Kane著
4.5 (11537)
畅销书
用Spark流媒体& Scala流媒体大数据-动手!
《Sundog Education》,Frank Kane著
4.6 (2707)
机器学习,数据科学和Python深度学习
《Sundog Education》,Frank Kane著
4.5 (22061)
驯服大数据与Apache Spark和Python的 - 牵手!
《Sundog Education》,Frank Kane著
4.5 (8896)
用MapReduce和Hadoop驯服大数据——动手!
《Sundog Education》,Frank Kane著
4.4 (2421)
畅销书
建立一个无服务器应用程序与AWS LAMBDA - 牵手!
《Sundog Education》作者Frank Kane, Brian Tajuddin, Frank Kane
4.5 (1357)
弹性搜索6和弹性堆栈-在深度和手!
《Sundog Education》,Frank Kane著
4.6 (2274)
与机器学习和人工智能建设推荐系统
《Sundog Education》,Frank Kane著
4.5 (1350)
畅销书
自主汽车:深度学习和计算机视觉在Python
幻日教育弗兰克·凯恩,凯恩弗兰克,瑞恩·艾哈迈德博士,博士,MBA,米切尔布沙尔
4.4 (648)
最终,非官方Udemy在线课程创建指南
《Sundog Education》,Frank Kane著
4.3 (110)
AWS认证的数据分析专业2020 - 牵手!
Sundog教育由Frank Kane, Stephane Maarek | AWS认证解决方案架构师和开发助理,Frank Kane
4.6 (4541)
畅销书

课程:弗兰克·凯恩

回到房地产定价的例子,训练数据中的所有属性(位置、大小等)都被处理成类似的规模,并被输入到神经网络最底层的神经元中。通过多次迭代,神经网络到达其连接之间的最佳权重集,从而在其最顶层的输出产生一个准确的价格预测。一旦这个神经网络用神经元之间的最佳权值进行训练,它就可以开始快速预测新房子的价格,这个模型以前从未见过。

当神经网络的层数大于1时,我们称之为a深层神经网络。这就是这个术语的意思深度学习。深学习模式是由深层神经network.It的不是机器学习与深度学习的情况下实现的机器学习系统;深度学习这是一项机器学习技术——而且非常令人兴奋!我们在这里只触及了它的表面;还有很多东西要学。