2022年人工智能AI人臉識(shí)別大數(shù)據(jù)信息化系統(tǒng)方案_第1頁(yè)
2022年人工智能AI人臉識(shí)別大數(shù)據(jù)信息化系統(tǒng)方案_第2頁(yè)
2022年人工智能AI人臉識(shí)別大數(shù)據(jù)信息化系統(tǒng)方案_第3頁(yè)
2022年人工智能AI人臉識(shí)別大數(shù)據(jù)信息化系統(tǒng)方案_第4頁(yè)
2022年人工智能AI人臉識(shí)別大數(shù)據(jù)信息化系統(tǒng)方案_第5頁(yè)
已閱讀5頁(yè),還剩22頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、時(shí)間:2017年8月27日人工智能AI人臉識(shí)別大數(shù)據(jù)信息化系統(tǒng)方案主 題人工智能產(chǎn)品02機(jī)器學(xué)習(xí)03人工智能歷史及發(fā)展01人工智能案例04面對(duì)人工智能05人工智能的歷史1956年達(dá)特茅斯會(huì)議召開,人工智能正式提上議程智能時(shí)代什么時(shí)候來臨?當(dāng)機(jī)器擁有語音識(shí)別、圖像識(shí)別、自然語音理解等這些人最本質(zhì)的智慧能力的時(shí)候,那么大數(shù)據(jù)人工智能時(shí)代已經(jīng)來臨。人工智能歷史及發(fā)展人工智能應(yīng)用1-圍棋人工智能應(yīng)用2-聊天機(jī)器人人工智能應(yīng)用3-圖片識(shí)別little girl is eating piece of cake.人工智能應(yīng)用4-人臉識(shí)別人工智能應(yīng)用5-圖片文字提取人工智能應(yīng)用6-自動(dòng)駕駛汽車Machine

2、Learning(ML) is a scientific discipline that deals with the construction and study of algorithms that can learn from data.機(jī)器學(xué)習(xí)是一門從數(shù)據(jù)中研究算法的科學(xué)學(xué)科。機(jī)器學(xué)習(xí)直白來講,是根據(jù)已有的數(shù)據(jù),進(jìn)行算法選擇,并基于算法和數(shù)據(jù)構(gòu)建模型,最終對(duì)未來進(jìn)行預(yù)測(cè)機(jī)器學(xué)習(xí)定義1:傳統(tǒng)模型算法2:深度學(xué)習(xí)算法機(jī)器學(xué)習(xí)算法1:決策樹算法 2:K-近鄰算法3:支持向量機(jī)(SVN)4:關(guān)聯(lián)分析(Apriori)5:隱馬爾科夫模型(HMM)6:AdaBoost算法7:樸素貝葉斯算法 .傳統(tǒng)

3、算法深度神經(jīng)網(wǎng)絡(luò)(DNN)(Deep Neural Network)應(yīng)用場(chǎng)景:搜索排序、推薦排序深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)(CNN)(Convolutional Neural Network)應(yīng)用場(chǎng)景:圖像識(shí)別、視頻分析深度學(xué)習(xí)循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)(Recurrent Neural Network)應(yīng)用場(chǎng)景:語音識(shí)別、自然語言處理深度學(xué)習(xí)投資策略1:選擇項(xiàng)目2:選擇時(shí)間3:風(fēng)險(xiǎn)控制4:買入項(xiàng)目5:賣出項(xiàng)目智能P2P投資系統(tǒng)預(yù)測(cè)流程新聞及政策預(yù)測(cè)投資走向數(shù)據(jù)收集數(shù)據(jù)處理文本向量化信息抽取中文分詞特殊過濾情感分析中文分詞分詞操作詞向量表示1:One-Hot稀疏編碼橙子 1 0 0 0 0 菠蘿 0 1

4、 0 0 0 2:Embedding稠密編碼橙子 0.3 0.2向量表示詞編碼訓(xùn)練(Word2Vec)1:基于上下文預(yù)測(cè)詞2:基于詞預(yù)測(cè)上下文可通過以下實(shí)現(xiàn)1:python Gensim 工具包2:world2Vec google開源向量標(biāo)記訓(xùn)練投入模型進(jìn)行訓(xùn)練例如:卷積神經(jīng)網(wǎng)絡(luò) CNN基本原理:二維圖像-分解方格-卷積變換-池化-取出最大值輸出(最終得出圖像的類別)模型訓(xùn)練圖像與單詞連接思路:一維單詞-二維矩陣以單詞向量作為輸入項(xiàng)目收益的波動(dòng)作為輸出模型訓(xùn)練一:數(shù)據(jù)來源 1:網(wǎng)絡(luò)爬蟲 2:開源工具 3:大數(shù)據(jù)平臺(tái)二:預(yù)測(cè)步驟 1 : 數(shù)據(jù)清洗 例如通過jieba分詞系統(tǒng) 分詞、過濾等操作 2:通過 python中的 numpy、pandas、Matplotlib完成數(shù)據(jù)預(yù)處理及特征提取操作 3:通過tensorflow、tflearn深度學(xué)習(xí)工具包進(jìn)行深度學(xué)習(xí)建模。開發(fā)流程總結(jié)對(duì)比:智能與非智能比較智能投資主觀投資分析依據(jù)算法模型主觀經(jīng)驗(yàn)分析方法定量分析定性分析分析品種多樣化少數(shù)品種投資周期短中期中長(zhǎng)期風(fēng)險(xiǎn)控制風(fēng)險(xiǎn)最小化風(fēng)險(xiǎn)考慮不全人工智能應(yīng)用開發(fā)流程數(shù)據(jù)收集數(shù)據(jù)清洗特征

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論