人工智能算法面试大总结
李宏毅2021&2022机器学习羊羊羊i:感谢博主，现实的活雷锋，辛苦啦
使用PyTorch训练与评估自己的CSPNet网络教程(CSPDarkNet、CSPResNet、CSPResNeXt)Young0601:为博主点赞！！
保姆级使用PyTorch训练与评估自己的EfficientNetV2网络教程小白菜在学习:博主，我想询问一下，这些都是喂图片进行训练再测试，能不能教一下如何喂视频进行训练的方法
保姆级使用PyTorch训练与评估自己的VGG网络教程啥都生:这个就是在cmd中运行的，直接在ide中run当然会出问题。大项目都是在终端调命令。
保姆级使用PyTorch训练与评估自己的VGG网络教程啥都生:你没在指定的地方运行呀，你看我视频教程可能更清楚~
人工智能
人工智能公司MosaicML称不要迷信英伟达芯片AMD芯片提供类似性能目前在人工智能热潮下英伟达股价水涨船高，因为人工智能模型训练依靠英伟达提供的A100/H100加速卡。至少在之前业内基本都认同英伟达…2023年7月5日00:02人工智能,科技资讯5730以太坊矿场利用持有的庞大的GPU集群转型AI对外提供算力租用服务在以太坊转向权益证明机制后已经彻底抛弃显卡挖矿，那之前那些以太坊矿场怎么办呢？简单来说就是巨亏。因为这些显卡用来挖掘其他加密货币并不赚钱…2023年7月4日23:36人工智能,科技资讯5580可能存在版权问题：OPENAI宣布暂时关停ChatGPT的网络浏览功能ChatGPT官方版里有个模式名为浏览(Browsing)，该功能可以联网查询数据，比如自动读取某些网页生成摘要并返回给用户等。这个功能是用…2023年7月4日15:17人工智能,科技资讯1.02K0微软推出WindowsCopilot人工智能助手预览版可在系统内快速发起对话微软今天推出Windows11DevBuild23493版，在Build2023上预告过的WindowsCopilot人…2023年6月30日09:03人工智能,科技资讯5.95K5OPENAI取消ChatGPT手机版GPT-4无限次提问也变成3小时提问25次在网页版上的ChatGPT使用GPT-4模型的话，每3小时只能提问25次，超过这个次数限制将无法再提问直到下个3小时。…2023年6月26日16:47人工智能,科技资讯7.37K0由于尚未满足欧盟GDPR要求谷歌Bard在欧盟区的发布计划无限期推迟谷歌曾在5月信心满满的表示要逐步向全球用户推出GoogleBard人工智能对话机器人，同时支持更多语言。不过这种发布计划似乎已经遭遇挫…2023年6月14日09:55人工智能,科技资讯1.80K0OPENAI基于API平台推出函数调用和16K版本以及大幅度降低价格OPENAI今天发布官方博客宣布对API平台进行一系列更新，主要包括更容易操作的API模型、新增函数调用功能、支持更长的上下文以及对大…2023年6月14日08:22人工智能,科技资讯4.64K0微软为桌面版BingChat带来语音输入功能但还不支持自动朗读今天微软继续更新BingChat，为桌面版BingChat带来语音输入功能，该功能很早就已经在手机版BingChat上支持。根据…2023年6月13日13:08人工智能,科技资讯4.01K1微软临时删除了BingChat会话分享功能不知道是不是发现什么BUG了早前微软才为BingChat提供会话分享功能，用户可以使用电子邮件等直接分享与BingChat的对话，也可以直接用链接分享到社交网站…2023年6月8日13:56人工智能,科技资讯2.99K1谷歌继续增强Bard的数学解题功能同时支持生成表格导出内容谷歌这段时间一直在为Bard人工智能机器人进行功能强增，尤其是数学方面，比如最新的改进是Bard能够针对有关数学和文字问题的请求提供更准…2023年6月8日13:33人工智能,科技资讯1.47K0没有相关内容！人工智能
什么是人工智能1.像人一样思考2.合理的思考3.像人一样行动4.合理的行动
像人一样行动：图灵测试的途径1.如果一位人类询问者在提出一些书面问题以后，不能区分书面回答来自计算机还是人，那么这台计算机就通过测试，这就是著名的图灵测试。可以通过看模仿游戏来了解。AI要具备以下功能：1.自然语言处理2.知识表示3.自动推理4.机器学习5.计算机视觉6.机器人学
像人一样思考：认知建模的途径
合理的思考：“思维法则”的途径
合理的行动：合理Agent的途径
人工智能的基础1.哲学2.数学3.经济学4.神经科学5.心理学6.计算机工程7.控制论8.语言学
人工智能的历史(主要分为以下几个时期)1.人工智能的孕育期（1943-1955）2.人工智能的诞生（1956）3.早期的热情，巨大的期望（1952-1969）4.现实的吧困难（1966-1973）5.基于知识的系统，力量的秘诀（1969-1979）6.人工智能成为产业（1980-now）7.神经网络的回归（1986-now）8.人工智能采用科学方法（1987-now）9.智能Agent的出现（1995-now）10.极大数据集的可用性（2001-now）
最新发展水平1.机器人汽车2.语音识别。。。。。
人工智能常用英文缩写
时时刻刻保持一颗不断学习的心，要做一个有心人！
人工智能行业涉及到的英文缩写颇多，现总结如下。会不断保持更新，敬请各位小伙伴们关注~谢谢大家！
前方高能！！！人工智能常用英文缩写
一、科普篇：
NLP：NaturalLanguageProcessing，自然语言处理；
CV：ComputerVision，计算机视觉；
BI：BusinessIntelligence，商业智能；
RS：RecommenderSystems，推荐系统；
DS：DataScience，数据科学；
KG：KnowledgeGraph，知识图谱；
KDD：KnowledgeDiscoveryinDatabase，知识发现；
ICDM：InternationalConferenceonDataMining，国际数据挖掘大会；
CVPR：ComputerVisionandPatternRecognition，计算机视觉与模式识别大会；
ILSVRC：ImageNetLargeScaleVisualRecongitionChallenge，大规模图像识别大赛；
二、机器学习篇：
TP：TruePositive，真正类；
FN：FalseNegative，假反类；
FP：FalsePositive，假正类；
TN：TrueNegative，真反类；
AUC：AreaUnderCurve，曲线下面积；
ROC：ReceiverOperatingCharacteristic，受试者工作特征曲线；
ROI：ReturnOnInvestment，投资回报比；RegionOfInterest，感兴趣区域；
MAE：MeanAbsoluteError，平均绝对误差；
MSE：MeanSquareError，均方误差；
RMSE：RootMeanSquareError，均方根误差；
MLE：MaximumLikelihoodEstimation，最大似然估计；
MAP：MaximumAPosteriorEstimation，最大后验估计；
SSR：SumofSquaresforRegression，回归平方和；
SSE：SumofSquaresforError，残差平方和；
SST：SumofSquaresforTotal，总偏差平方和（SST=SSR+SSE）；
DT：DecisionTree，决策树；
RF：RandomForest，随机森林；
CART：ClassificationAndRegressionTree，分类回归树算法；
MDL：MinimumDescriptionLength，最小描述长度；
REP：ReducedErrorOuring，错误率降低剪枝；
RBF：RadialBasisFunction，径向基函数；
PCA：PrincipalComponentAnalysis，主成分分析（一种常用的无监督学习方法，属于降维方法）；
SVM：SupportVectorMachine，支持向量机（一种二分类模型）；
TF-IDF：TermFrequency-InverseDocumentFrequency，词频-逆向文档频率；
LFM：LatentFactorModel，隐语义模型；
LSA：LatentSemanticAnalysis，潜在语义分析（一种无监督学习方法）；
PLSA：ProbabilisticLatentSemanticAnalysis，概率潜在语义分析模型（一种无监督学习方法）；
LDA：LatentDirichletAllocation，潜在狄利克雷分配（一种文档主题生成模型），LinearDiscriminantAnalysis，线性判别分析；
QDA：QuadraticDiscriminantAnalysis，二次判别分析；
LE：LaplacianEigenmaps，拉普拉斯特征映射；
LLE：LocallyLinearEmbedding，局部线性嵌入；
VSM：VectorSpaceModel，向量空间模型；
KNN：K-NearestNeighbor，K最近邻分类算法；
ANN：ApproximateNearestNeighbor，近似最近邻算法；
MRF：MarkovRandomField，马尔可夫随机场；
HMM：HiddenMarkovModel，隐马尔可夫模型（一种生成模型）；
EM：ExpectationMaximizationalgorithm，期望极大算法，简称EM算法；
GEM：GeneralizedExpectationMaximizationalgorithm，广义期望极大算法；
SMO：SequentialMinimalOptimization，序列最小最优化算法；
CRF：ConditionalRandomField，条件随机场；
三、神经网络篇：
DNN：DeepNeuralNetwork，深度神经网络；
MLP：MultiLayerPerceptron，多层感知机；
FNN：FeedforwardNeuralNetwork，前馈神经网络；
CNN：ConvolutionalNeuralNetwork，卷积神经网络；
RNN：RecurrentNeuralNetwork，循环神经网络；
LSTM：LongShortTermMemory，长短期记忆网络；
GRU：GatedRecurrentUnit，门控循环单元；
四、推荐系统篇：
RS：RecommenderSystems，推荐系统；
MAB：Multi-ArmedBanditproblem，多臂老虎机问题；
UCB：UpperConfidenceBound，置信区间上界；
MCTS：MonteCarloTreeSearch，蒙特卡洛树搜索；
LR：LinearRegression（线性回归，解决监督学习中的回归问题），LogisticRegression（逻辑回归，解决监督学习中的分类问题）；
GBDT：GradientBoostingDecisionTree，梯度提升树（回归树）；
MART：MultipleAdditiveRegressionTree，多重累计回归树（相当于GBDT）；
ALS：AlternatingLeastSquares，交替最小二乘法；
BGD：BatchGradientDescent，批量梯度下降；
SGD：StochasticGradientDescent，随机梯度下降；
MBGD：Mini-BatchGradientDescent，小批量梯度下降；
MCMC：MarkovChainMonteCarlo，马尔可夫链蒙特卡罗法；
EVD：EigenValueDecmoposition，特征值分解；
SVD：SingularValueDecomposition，奇异值分解；
MF：MatrixFactorization，矩阵分解；
NMF：Non-negativeMatrixFactorization，非负矩阵分解；
FM：FactorizationMachine，因子分解机；
MAP：MeanAveragePrecision，平均精确率；
CG：CumulativeGain，累计增益；
DCG：DiscountedCumulativeGain，折损累计增益；
IDCG：IdealDiscountedCumulativeGain，理想情况下最大的折损累计增益；
NDCG：NormalizedDiscountedCumulativeGain，归一化贴现累计收益；
MRR：MeanReciprocalRank，平均倒数排名；
五、计算机视觉篇：
CV：ComputerVision，计算机视觉
SLAM：SimultaneousLocalizationAndMapping，同时定位与地图构建；
SIFT：Scale-InvariantFeatureTransform，尺度不变特征变换；
HOG：HistogramofOrientedGradients，方向梯度直方图；
SURF：Speeded-UpRobustFeatures，加速健壮特征；
IOU：IntersectionOverUnion，交并比；
CNN：ConvolutionalNeuralNetwork，卷积神经网络；
FCN：FullyConvolutionalNetwork，全卷积网络；
GAN：GenerativeAdversarialNets，生成式对抗网络；
DQN：DeepQ-Network，深度Q网络（基于Q学习的强化学习算法）；
六、自然语言处理篇
NLP：NaturalLanguageProcessing，自然语言处理；
BERT：BidirectionalEncoderRepresentationfromTransformers，双向Transformer的Encoder
七、数据科学篇
DS：DataScience，数据科学；
EDA：ExploratoryDataAnalysis，探索性数据分析；
SQL：StructedQueryLanguage，结构化查询语言；
ODBC：OpenDataBaseConnectivity，开放数据库连接；
OLDP：On-LineDataProcessing，联机数据处理；
OLAP：On-LineAnalyticalProcessing，联机分析处理；
OLTP：On-LineTransactionProcessing，联机事务处理；
ETL：ExtractTransformLoad，数据的抽取、转换、加载（数据仓库技术）；
DQL：DataQueryLanguage，数据查询语言；
DDL：DataDefinitionLanguage，数据定义语言；
DML：DataManipulationLanguage，数据操作语言；
TCL：TerminalControlLanguage，终端控制语言；
RDD：ResilientDistributedDatasets，弹性分布式数据集；
HDFS：HadoopDistributedFileSystem，分布式文件系统；
八、商业智能篇
BI：BusinessIntelligence，商业智能；
BA：BusinessAnalysis，商业分析；
DSS：DecisionSupportSystem，决策支持系统；
EIS：ExecutiveInformationSystem，主管信息系统；
ERP：EnterpriseResourcePlanning，企业资源计划；
CRM：CustomerRelationshipManagement，客户关系管理；
SCM：SupplyChainManagement，供应链管理；
九、Linux系统篇
VFS：VirtualFileSystem，虚拟文件系统；
OSS：OpenSourceSoftware，开源软件；
人工智能的几个小故事
人工智能的三个小故事西洋棋1959年，美国前IBM员工塞缪尔（ArthurSamuel）开发了一个西洋棋游戏，这个西洋棋程序能够使得计算机自己跟自己下棋，然后根据下棋的经历来不断提升计算机自身的棋艺。由于计算机运行速度非常快，可以在一天的时间里能够下数千局棋，以目前的计算机计算速度甚至可以达到数万局棋或者更多，随着下棋局数的增加，计算机渐渐学会了如何下棋，才能提高获胜的概率。4年后神奇的事情发生了，计算机的西洋棋棋艺水平超过了开发西洋棋程序的塞缪尔（ArthurSamuel），又过了3年，该程序战胜了美国一位保持8年常胜不败的专业棋手。
图片来自吴恩达老师的机器学习课程
【小结】多么神奇的事情！过去我们通常认为计算机很傻的，它只能做一些我们教它的那些具体的事情，它的优势在于计算速度和“吃苦耐劳”。然而上述故事表明，即使我们没有通过具体的编程来教计算机如何下棋（事实上目前我们也做不到），计算机同样能够从自己跟自己下棋的经历中学习到经验，提高自己的性能。
国际象棋1997年，IBM公司（也被称为蓝色巨人）的深蓝（DeepBlue）超级计算机在国际象棋比赛中战胜了俄罗斯专业大师卡斯帕罗夫（GarryKimovichKasparov）,受到了世界的瞩目。
百科知识问答2011年，IBM的沃森深度问答系统（WastonDeepQA）在美国百科知识问答电视节目（Jeopardy）中击败了多位优秀的人类选手成功夺冠。
围棋2016年，谷歌DeepMind研究团队开发的机器学习程序AlphaGo以4：1的总比分击败了世界顶级围棋选手李世石。可以说这场比赛掀起了当前人工智能的新一波浪潮。
【总结】世界上有很多问题是无法通过固定规则或者流程代码来解决的，例如人脸识别，语音识别问题。所谓的机器学习，学习的就是过去的经历或者数据，在应对未来的任务的预测能力习惯上称之为泛化能力。
参考吴恩达的机器学习课程CS229范淼，李超.Python机器学习及实践——从零开始通往Kaggle竞赛之路