计算机英语课件 U12B

WhatIsMachineLearning?

Lesson12TextB

Contents

NewWords

Abbreviations

Phrases参考译文NewWordsNewWordsNewWordsPhrasesAbbreviationsListeningtoText什么是机器学习？人工智能和机器学习是当今最流行的技术。人工智能教导计算机表现得像人一样，思考并做出像人一样的反应，并像人一样行事。1.什么是机器学习？顾名思义，机器学习意味着机器正在学习。这是我们教会机器有关事物的技术。它是人工智能的一个分支，我想说这是人工智能的基础。在这里，我们使用数据训练机器。如果你仔细研究一下，就会发现它类似于数据挖掘。实际上，其背后的概念是机器学习和数据挖掘都是面向数据的。我们在两种情况下都处理数据。实际上，在数据科学或大数据中，我们分析数据并从中进行统计，然后研究如何维护数据，如何得出结果并对其进行总结，而不是维护完整的全面数据的。但是在机器学习中，我们教会机器做出有关事物的决策。我们使用不同的数据集教机器，然后检查机器的某些情况，并查看从这种未知情况中得到的结果。我们还将这种训练好的模型用于新场景的预测。参考译文我们用历史数据、观察结果和实验来教机器。然后，我们根据这些经验对机器进行预测并做出响应。就像我已经说过的那样，机器学习与数据挖掘和统计紧密相关。数据挖掘——与数据分析有关。统计——与预测/概率有关1.为什么我们需要机器学习在这个时代，我们正在使用无线通信、互联网等。使用社交媒体、驾驶汽车或我们现在正在做的任何事情，实际上是在后端生成数据。如果你对我们的汽车如何生成数据感到惊讶，请记住，每辆汽车内部都有一台小计算机，可以完全控制车辆，即哪个组件何时需要电流、何时需要启动或切换特定组件。通过这种方式，我们可以生成TB（兆字节）的数据。参考译文但是，这些数据对于获得结果也很重要。让我们举个例子，尝试清楚地理解这个概念。假设一个人住在城镇里，然后去购物商场买东西。一个产品有很多个。当他买东西时，现在我们可以生成他所买东西的模式。同样，我们可以生成不同人的销售和购买模式。现在你可能正在考虑一个人随机来买东西，然后他再也不会来了，但是我们也有此类事情模式。在这种模式的帮助下，我们可以决定人们最喜欢的事物以及他们何时再次来到购物中心。他们将在入口处看到他们想要的东西。这就是我们通过机器学习吸引客户的方式。1.机器如何学习？实际上，机器通过数据模式学习。让我们从数据的数据集开始。我们提供给机器的输入称为X，得到的响应为Y。这里有三种学习类型。•监督学习•无监督学习•强化学习参考译文3.1监督学习在监督学习中，我们了解不同情况（输入），并且知道这些情况的标签（输出）。在这里，我们已经了解了基本事实，因此我们仅关注函数（操作），因为它是这里最主要和最重要的事情。（图12-1）（图略）此时，我们仅创建函数以获取输入的输出。并且，我们尝试创建处理数据的函数，并在大多数情况下尝试给出准确的输出（Y）。（图12-2）（图略）因为我们从输入的已知值开始，所以我们可以验证模型并将其改进。现在，我们以不同的数据集教我们的机器。此时，是在未知情况下进行检查并生成值的时候了。注意：假设你为机器提供了某种数据集，现在可以根据该数据集训练模型。现在，根据你所提供的知识集从该模型获得结果。但是，让我们假设，如果你删除了该知识集中的现有项目或进行了更新，那就得不到结果，因为你修改了数据集。参考译文3.2无监督学习它与监督学习完全不同。在这里，我们不了解不同情况的标签（输出）。此时，我们通过寻找相似性来训练带有模式的模型。然后这些模式成为聚类。（图12-3）聚类=收集相似模式的数据然后，用该聚类分析和处理数据。在无监督学习中，我们真的不知道输出是对还是错。因此，在这种情况下，系统会识别出模式并尝试计算结果，直到获得接近正确的值为止。3.3强化学习这就像基于奖励的学习。基于奖励的例子是，假设你的父母会在你完成特定任务时给你奖励。因此，此时你知道必须完成此任务及所需的时间。开发人员可以在这里自行决定完成此任务将获得的奖励。

参考译文这也是面向反馈的学习。现在你正在执行一些任务，并在这些任务的基础上获得了反馈。如果反馈是正面的，则说明你做对了，可以自己改善工作。如果反馈是负面的，那么你也知道问题出在哪里以及如何更正。反馈来自其工作环境。它使系统比无人监督的方案更优化，因为这里有一些线索，例如奖励或良好的反馈，可以使我们的系统更高效。4.机器学习的步骤当我们开始教机器时，有一些机器学习的关键步骤。4.1收集数据众所周知，机器学习是面向数据的。我们需要数据来指导我们的系统进行未来的预测。参考译文4.2准备输入数据现在，你已经下载了数据，但是在输入数据时，需要确保数据的特定顺序，以使其对你的机器学习工具进行处理有意义，例如.csv文件（逗号分隔值）。这是处理数据的最佳文件格式，因为逗号分隔的值在聚类中有很大帮助。4.3分析数据现在，你正在查看数据中的模式，以便以更好的方式对其进行处理。你正在检查数据的异常值（范围和边界）。你还正在检查数据的新颖性（规格）。4.4训练模型当你开发算法时，这是机器学习的主要部分，在该算法中，你将使用编码以构造完整的系统来处理输入并返回输出。4.5测试模型在这里，你要检查从系统获取的值是否与所需结果相匹配。参考译文4.6在应用程序中部署让我们讨论一个自动驾驶的示例，该示例无需人工干预，而是自行运行。第一步是收集数据，你必须收集多种数据。你驾驶的车自主运行。汽车应该知道路标，应该了解交通信号以及人们过马路的知识，以便可以做出在不同情况下停车或行驶的决定。因此，我们需要收集这些不同情况的图像，这就是我们的“收集数据模块”。现在，我们必须制作特定格式的数据（图像），例如csv文件，在其中存储文件的路径及文件的大小。它使我们的系统处理效率更高。这就是我们所谓的准备数据。然后，它为不同的交通信号（红色、绿色、蓝色），不同的交通标志牌以及汽车或人员在附近奔波的环境制定模式。其次，确定这些对象的异常值是静态的（已停止）还是动态的（运行状态）。最后，它可以决定停止还是移到另一个对象的侧面。这些决定显然取决于训练模型以及我们为开发模型编写的代码。这就是我们所说的训练模型及测试模型，然后将其部署到实际应用程序中的意思。

参考译文5.机器学习的应用如今，机器学习已在应用程序中广泛使用。•可以使用Snapchat或Instagram应用程序把动物的不同身体部分（例如耳朵、鼻子、舌头等）放到你的面部图像上。将这些不同的器官放在图像的正确位置，就是机器学习的一种应用。•Google广泛使用人工智能和机器学习。GoogleLens是一个应用程序。如果你通过Googl