主 题：人工智能领域算法框架

时 间:5月11日(周三) 14.00-15.00

主讲人：周静静

地 点：信电楼204

记录人：章国豪，李雪峰，张昊

内 容：

在过去的十年中，人工智能得到了越来与广泛的应用，人工智能已经不仅仅是计算机学科的内容，几乎涉及所有的学科。在长时间的发展后，人工智能可以分为表征学习和机器学习，目前来说运用的比较多的就是深度学习的内容，大致可以分为CNN和RNN。

接下来周老师先对人工智能进行一个基础的介绍，人工智能现在在我们的生活中处处都有体现，比如车牌识别、人脸识别、机器翻译等，前几年很热门的alphaGo也是用强化学习的技术得到的。

那么人工智能是怎么创造出来的呢，人工智能和普通的函数计算之间又有什么区别呢，首先，人工智能包括输入、处理、输出三个部分，这一点与普通的计算一样，但是我们不用告诉人工智能该怎么去计算，人工智能自动的进行学习这一过程。

接着，通过举例的形式，来进一步说明人工智能与普通计算之间的不同。可以看到普通的计算需要我们告诉计算机如何去计算第十个月份的工资，但是如果是机器学习的算法，则我们只需要告诉计算机这是第几个月，且一开始的工资是多少，那么计算机就可以自己计算出我们想要的结果。

机器学习按照学习方式的不同，可以分为监督学习、无监督学习、半监督学习和强化学习。监督学习需要我们告诉计算机相应的输出，无监督学习则不用，半监督学习介于这两者之间，需要我们告诉计算机一部分的输出。强化学习则比较特别，我们需要对每一步进行打分，最后根据总的打分的结果来判断是否保留这一操作过程。

然后，周老师抛出问题，跟我们进行互动，对机器学习有更深入的了解。在这之后具体对回归问题进行介绍，回归根据变量数可以分为一元回归和多元回归，根据函数关系可以分为线性回归和非线性回归。

周静静老师接着对线性回归进行具体说明，介绍如何判断机器学习的模型是否具有良好的效果，主要是通过对模型输出与真实值之间的距离来判断。以及如何优化模型，使得模型能够尽可能的拟合原始的数据集，周老师告诉我们，主要是通过对损失函数进行最小化，通过梯度下降法来优化各项参数值。讲解完理论后，通过一个具体的问题来进行加深印象。最后周静静老师对同学们的疑问进行解答。

参加人：研一部分学生