人工智能探索 课件 项目5 人工智能能的体验

5.1人工智能开发基础主讲人：***CONTENTS目录01人工智能开发基础02人工智能开发框架03人工智能开发环境搭建人工智能开发基础01智能开发底层语言的选择C/C++在底层开发的优势人工智能的核心算法很多用C/C++编写，因为这些语言在处理复杂计算和与硬件交互方面非常强大。C/C++的局限性C/C++语法复杂，编程效率不高，限制了它在快速开发中的应用。智能开发底层语言的选择Python的优势Python是容易学习、适合快速开发的编程语言，像桥梁连接不同编程语言，是“胶水语言”，库丰富，可轻松调用其他语言编写的模块。Python在深度学习领域的应用在深度学习领域，Python最受欢迎和方便，特别是TensorFlow这样的框架对Python支持最好。Python开发环境搭建-选择安装版本Python主要版本Python主要有Python2和Python3两个版本。推荐版本目前Python2已逐渐被淘汰，建议选择安装Python3，其在语言特性和安全性方面有显著改进。Python开发环境搭建-安装Python01从官方网站下载访问Python官方网站，在首页找到“Downloads”按钮，单击进入下载页面，选择适合操作系统的版本进行下载，Windows用户通常选WindowsInstaller。Python开发环境搭建-安装Python02进入Windows版本下载界面在该界面选择Python3.12.7可执行版本，单击“DownloadWindowsInstaller(64-bit)”链接进行下载。Python开发环境搭建-安装Python03安装文件操作下载的安装文件名为python-3.12.7-amd64.exe，双击该文件进行安装，进入安装欢迎界面。Python开发环境搭建-安装Python04安装方式选择安装欢迎界面有默认安装和自定义安装两种方式，本书选择自定义安装，建议勾选“AddPython3.7toPATH”选项，可省略配置环境变量步骤。Python开发环境搭建-安装Python05自定义安装后续步骤选择自定义安装后，进入可选功能界面，保持默认选择，单击“Next”按钮；再进入高级选项界面，保持默认选择，选择安装路径并单击“Install”按钮；安装进度完成后显示安装成功信息。Python开发环境搭建-安装Python06安装完成测试在计算机桌面左下角处右击，选择运行命令，输入“cmd”并按回车键，在出现的界面中输入“python”并按回车键，显示出版本信息说明安装成功。Python开发环境搭建-选择开发工具PyCharmPython自带IDE特点Python自带的轻量级IDE适合初学者和小型项目，功能相对有限。PyCharm的特点和优势PyCharm是功能更全面的PythonIDE，由JetBrains开发，支持智能代码编辑、调试、测试和版本控制，能连接数据库和远程开发，支持Django、Flask等Web框架，适合科学计算和数据分析，有免费和付费版，插件丰富，支持多语言开发，是许多Python开发者的首选工具。Python开发环境搭建-下载PyCharm访问官方网站打开浏览器，访问JetBrains官方网站的PyCharm页面。选择版本下载页面有专业版（Professional）和社区版（Community）两个主要版本，专业版功能多但需付费或申请学生许可证，社区版免费开源，适合大多数学习者和个人开发者，单击“Download”按钮旁边的下拉箭头，选择“Community”版本进行下载。下载安装包选择适合Windows系统的安装包（通常是.exe文件），单击下载，下载完成后可在浏览器的下载管理器或预设的下载文件夹中找到安装包。Python开发环境搭建-安装PyCharm运行安装包双击下载好的PyCharm社区版安装包，启动安装程序。Python开发环境搭建-安装PyCharm欢迎界面操作安装程序启动后弹出欢迎界面，单击“下一步”按钮继续。Python开发环境搭建-安装PyCharm选择安装位置在安装位置界面，浏览并选择一个非系统盘（如D盘或E盘）的路径来安装PyCharm，单击“下一步”继续。Python开发环境搭建-安装PyCharm配置安装选项安装选项界面有“CreateDesktopShortcut”（创建桌面快捷方式）、“Add‘OpenFolderasProject’tocontextmenu”（在上下文菜单中添加“打开文件夹作为项目”）以及“Add‘bin’foldertothePATH”（将bin目录添加到PATH环境变量中）等选项，建议勾选，完成选择后单击“下一步”继续。Python开发环境搭建-安装PyCharm运行安装包双击下载好的PyCharm社区版安装包，启动安装程序。欢迎界面操作安装程序启动后弹出欢迎界面，单击“下一步”按钮继续。选择安装位置在安装位置界面，浏览并选择一个非系统盘（如D盘或E盘）的路径来安装PyCharm，单击“下一步”继续。配置安装选项安装选项界面有“CreateDesktopShortcut”（创建桌面快捷方式）、“Add‘OpenFolderasProject’tocontextmenu”（在上下文菜单中添加“打开文件夹作为项目”）以及“Add‘bin’foldertothePATH”（将bin目录添加到PATH环境变量中）等选项，建议勾选，完成选择后单击“下一步”继续。Python开发环境搭建-安装PyCharm选择开始菜单文件夹在选择开始菜单文件夹界面，选择一个文件夹存放PyCharm的快捷方式，通常默认即可，单击“安装”开始安装。等待安装完成安装程序自动进行文件复制和配置，耐心等待安装过程完成。完成安装操作安装完成后弹出完成对话框，选择“Iwanttomanuallyrebootlater”（稍后手动重启），然后单击“完成”按钮完成安装。Python开发环境搭建-启动PyCharm并进行基本配置启动PyCharm在桌面上找到PyCharm的快捷方式，双击打开。首次启动时，PyCharm会要求选择用户界面主题和一些基本设置，初学者可选择默认设置，然后单击“OK”继续。Python开发环境搭建-启动PyCharm并进行基本配置创建新项目在欢迎界面中，单击“CreateNewProject”（新建项目）按钮创建新项目。在弹出的新建项目对话框中，选择项目存放位置、项目名称以及Python解释器，PyCharm通常会自动检测已安装的Python解释器，也可手动选择或添加新的解释器，单击“Create”按钮创建项目。Python开发环境搭建-启动PyCharm并进行基本配置创建新项目在欢迎界面中，单击“CreateNewProject”（新建项目）按钮创建新项目。在弹出的新建项目对话框中，选择项目存放位置、项目名称以及Python解释器，PyCharm通常会自动检测已安装的Python解释器，也可手动选择或添加新的解释器，单击“Create”按钮创建项目。Python开发环境搭建-启动PyCharm并进行基本配置编写和运行代码在项目视图中，右键单击项目名称或任意文件夹，选择“New”下的“PythonFile”创建一个新的Python文件，输入文件名后，双击打开该文件开始编写代码；编写完代码后，右键单击代码编辑区或选择菜单栏中的运行按钮来运行程序。Python在人工智能与日常生活中的应用智能家居应用示例下班回家时，智能家居系统可根据日程和偏好自动调节室内温度和照明，这可通过Python实现，Python的易学性和丰富库支持，能简化数据处理，调用C/C++库进行性能优化。掌握Python和AI技术的好处掌握Python和AI技术能改善生活质量，提升个人能力。在职场上更具竞争力，在个人生活中可解决实际问题，如优化家庭预算或开发健康监测应用；AI应用扩展到教育、医疗等领域，可提供个性化体验，提高疾病检测准确性。人工智能开发框架02人工智能开发框架AI开发框架的作用与意义让开发变得简单AI开发框架里有很多现成的算法和模型，就像提前做好的“模板”，可以直接用，不用从头开始写代码，极大地节省了时间，让复杂的算法变得简单，即使是没有太多技术背景的人也能轻松上手。提高开发效率框架包含各种工具和代码库，能迅速处理数据、构建模型并训练，就像提供了快速通道，让开发者能更快实现想法。促进知识传播与技术创新AI框架帮助知识和技术更好地传播和结合，不同的人可以用同一套工具创造新东西，多样性让人工智能应用更广泛，推动技术不断创新。智能垃圾分类的挑战与机遇AI应用现状以前垃圾分类主要依靠人工，效率低下且易出错。现在AI技术，特别是图像识别和机器学习技术，可自动识别垃圾类型，指导正确分类，提高效率和准确性。面临的挑战垃圾种类繁多，形状、颜色、材质各异，信息源复杂多样，让AI识别垃圾并非易事。且为实现AI更精确稳定工作，多人开发测试时，开发测试的一致性和同步性是开发的重中之重。开发框架的作用开发者使用特殊工具和框架构建AI系统，能高效、可靠地实现人工智能系统开发，解决智能垃圾分类中的问题。开发框架的作用快速上手，提高效率开发框架包含各种工具和代码库，让开发者无需从头摸索，可迅速处理数据、构建模型并训练，就像提供了快速通道，能更快实现想法。保证效果，增强稳定性框架通过提供标准化数据处理流程和多种评估工具，像质检员一样确保AI模型准确稳定，投入实际使用时能更好完成任务。促进团队合作，共享知识开发框架像团队协作平台，让不同团队共享和合作更易。很多框架开源，开发者可和全世界开发者一起学习进步，推动技术发展。开发框架的特性灵活性框架能根据需求变化形态，可调整设置，就像调整相机焦距，找到最适合项目的设置。高效性框架能利用现代计算机强大力量，如GPU和TPU，快速完成复杂计算任务，还有内存管理功能，确保不浪费太多资源。易用性框架提供简单直观的操作界面，初学者也能轻松上手，还附带可视化工具，像智能仪表盘，帮助直观了解模型结构和训练过程，增加对项目的掌控。可扩展性框架的可扩展性像乐高积木，允许添加新功能，如新算法或自定义模块，能和其他系统很好配合，实现软件间协同工作。可靠性框架配备错误检测和调试工具，像故障诊断仪，帮助快速定位并解决问题，还有性能监控工具，像性能分析师，能了解模型表现并提供优化建议。常见的开发框架-TensorFlow01框架简介TensorFlow是Google开发的开源机器学习框架，在深度学习和数据流图计算方面特别强大，就像配备各种高科技工具的厨房。02运行设备其灵活性和强大功能让它能在各种设备上运行，无论是智能手机还是大型服务器。03在智能垃圾分类中的应用可帮助处理大量图像数据，快速识别塑料、纸张、金属等不同材质的垃圾，还能预测垃圾分类效果，通过分析垃圾分布数据评估区域未来垃圾分类效率。常见的开发框架-PyTorch框架简介PyTorch是由Facebook的人工智能研究团队开发的开源机器学习库，在计算机视觉和自然语言处理等领域非常流行，像一套可快速搭建和修改的积木。优势特点其灵活性和动态计算图功能，使其成为研究人员和开发者的首选。在智能垃圾分类中的应用能帮助识别垃圾图像中的不同种类，评估垃圾回收价值，还能处理垃圾分类过程中的传感器数据，如重量和体积，提取关键信息，优化垃圾分类流程。常见的开发框架-Keras框架特点Keras是用户友好的高级神经网络库，现在是TensorFlow的官方高级API，以简洁和模块化设计受初学者和研究人员喜爱，像易于操作的烤箱。在智能垃圾分类中的应用能帮助研究人员和开发者相对轻松地开发识别垃圾种类的模型，迅速浏览垃圾图像，找出可能问题区域并提醒进一步分类，还能辅助垃圾分类决策，判断垃圾是否可回收及回收价值。常见的开发框架-HuggingFace平台简介HuggingFace是专注于自然语言处理（NLP）的开源机器学习平台。在垃圾分类中的作用在垃圾分类中，可利用它处理和分析垃圾分类相关的文本信息，如垃圾类型描述、分类规则等，平台提供大量预训练模型和工具，能更高效处理文本数据。常见的开发框架-XGBoost算法简介XGBoost是一种高效的机器学习算法，特别适合处理大量结构化数据。在智能垃圾分类中的应用可从垃圾的属性数据中发现规律，预测垃圾的分类，其高效性和自动处理缺失数据的能力，在数据分析任务中非常有用。开发框架在智能垃圾分类中的应用TensorFlow的应用TensorFlow开发的助手能学习大量垃圾图像数据，识别塑料、纸张、金属等不同材质垃圾，还能预测垃圾分类效果，分析垃圾分布数据评估区域未来垃圾分类效率。PyTorch的应用PyTorch像多才多艺的分析师，能识别垃圾种类、评估回收价值，处理传感器数据，提取关键信息，优化垃圾分类流程。Keras的应用Keras是用户友好的工具，能让研究人员和开发者轻松开发识别垃圾种类的模型，找出问题区域，辅助垃圾分类决策，判断垃圾是否可回收及回收价值。人工智能开发环境搭建03开发环境的资源配置-硬件配置建议处理器（CPU）至少四核，主频2.0GHz以上，推荐Inteli5/i7/i9或AMDRyzen系列。内存（RAM）至少8GB，建议16GB以上，以支持复杂数据处理和模型训练。硬盘（Storage）至少256GBSSD，推荐更大容量或高速HDD，用于存储数据集和模型。显卡（GPU）深度学习：NVIDIAGTX10系列、RTX20系列或更高，支持CUDA加速。非深度学习：集成显卡或低端独立显卡。网络连接稳定网络，便于下载数据集和使用云服务。开发环境的资源配置-运行环境算力要求操作系统根据工具和框架需求选择Windows、Linux或macOS。Python环境Python3.x，版本根据库和框架需求确定。开发工具高效工具如PyCharm、JupyterNotebook。库和框架数据处理：NumPy、Pandas、SciPy、Matplotlib；深度学习：TensorFlow、PyTorch、Keras。开发环境的资源配置-运行环境算力要求01虚拟环境使用Anaconda或Virtualenv管理项目依赖。02数据库和存储根据需求设置数据库（如MySQL、PostgreSQL）。03云服务和API利用云服务（AWS、GoogleCloud、Azure）进行大规模数据处理和模型训练。开发环境的资源配置-开发环境分类个人开发者环境个人电脑或笔记本，适合算法原型和小模型训练。专业开发环境高性能硬件，适合复杂模型和大规模数据集。服务器环境物理或云服务器，适合大规模数据处理和模型服务。集群环境分布式计算，适合极高计算需求的场景。云开发环境云计算资源，灵活、可扩展、成本效益。边缘计算环境数据源附近处理，低延迟和实时数据处理。安装Anaconda数据分析平台-Anaconda介绍功能Anaconda是非常流行的数据分析平台，它包括一个包管理器（Conda）和环境管理器，方便用户安装、更新和管理Python包及库。适用场景专为数据科学、机器学习和科学计算设计，支持跨平台使用。安装Anaconda数据分析平台-安装Anaconda下载打开Anaconda官方下载地址，根据实际操作系统选择相应版本下载。安装下载exe安装文件后双击安装文件，按照提示进行安装，在相应界面中选择添加环境变量选项，安装完成后单击“Finish”按钮。创建虚拟环境Anaconda管理界面创建在开始菜单中选择Anaconda3(64-bit)，然后单击AnacondaNavigator菜单，打开管理面板，单击“Environments”选项卡，进入环境管理界面，单击“Create”按钮，输入虚拟环境名字，选择Python版本，单击“确定”按钮即可创建。命令行方式创建在开始菜单中选择Anaconda3(64-bit)，然后单击AnacondaPrompt菜单，打开命令窗口。创建虚拟环境命令格式为“condacreate-n虚拟环境名字python-python版本”；进入虚拟环境命令格式为“condaactivate虚拟环境名字”；退出虚拟环境命令格式为“condadeactivate虚拟环境名字”；删除虚拟环境命令格式为“condaremove-n虚拟环境名字--all”。创建虚拟环境优势虚拟环境允许每个项目拥有独立的Python解释器和库集合，实现环境隔离，避免不同项目间的依赖冲突，便于尝试和切换不同库版本，有助于项目的环境复现，减少系统级安装包带来的安全风险，促进团队协作。安装Anaconda软件包及所需类库-安装Anaconda软件包01Anaconda管理界面安装打开Anaconda管理界面，单击Environments选项卡，进入环境管理界面进行操作。02命令行方式安装在开始菜单中选择Anaconda3(64-bit)，然后单击AnacondaPrompt菜单，打开命令窗口。可通过condainstall命令安装，格式为“condainstall包名字”；也可通过pipinstall命令安装，格式为“pipinstall包名字”。如果安装时下载速度慢，可以指定国内镜像地址，如“pipinstall包名-i/pypi/simple/”。安装Anaconda软件包及所需类库-安装机器学习基础包步骤打开Anacondaprompt命令窗口，激活虚拟环境，进入虚拟环境后，使用pip从阿里云镜像地址下载并安装，输入“condaactivate虚拟环境名字”“pipinstallnumpymatplotlibpandasscipy-i/pypi/simple/”“pipinstallscikit-learn-i/pypi/simple/”。安装Anaconda软件包及所需类库-安装深度学习框架和Keras类库安装TensorFlow深度学习框架可选择使用conda安装，命令为“condainstalltensorflow”；也可使用pip从阿里云镜像地址安装，命令为“pipinstalltensorflow-i/pypi/simple/”。安装Keras类库可使用conda安装，命令为“condainstallkeras”；也可使用pip从阿里云镜像地址安装，命令为“pipinstallkeras-i/pypi/simple/”。THEEND谢谢5.4人工智能开发过程

主讲人：***CONTENTS目录01特征工程02模型定义03模型训练04模型测试05模型应用案例展示特征工程01特征工程特征工程概念特征工程是让机器学习模型更有效理解和使用数据的技术，帮助计算机“整理笔记”，提高学习和预测效率。常见方法-特征提取在智能教育辅导系统中，通过提取学习行为、知识掌握程度、学习风格、兴趣爱好等特征，提供个性化学习体验。常见方法-数据分割数据分割用于训练和测试模型，保证数据代表性和平衡性，方法包括确定分割比例、随机分割、分层分割等。常见方法-特征预处理特征预处理包含数据清洗、标准化和归一化、特征选择等步骤，使数据更干净、有用，提升系统学习效果。常见方法-特征降维特征降维简化复杂数据，提高模型效率、增强泛化能力、便于数据可视化和理解，需选合适方法并避免信息丢失。数据采集数据采集的重要性数据采集是人工智能开发的基础，如同做菜需先收集食材，没有充足合适的数据，模型就无法有效学习。数据来源多样性数据来源广泛，如智能教育辅导系统开发中，包括学生学习记录、教师反馈、在线学习平台数据等。数据质量要求采集的数据需确保准确性和完整性，真实反映相关情况，全面覆盖需求，为后续开发提供可靠支撑。模型定义02模型定义01明确目标如同决定做何种菜肴，要先确定辅导系统目标，如预测考试分数或找出未掌握知识点。02选择工具（模型）根据问题类型选择模型，如分类学习水平可用逻辑回归，分析表情可用卷积神经网络。03调整参数（调味道）寻找合适模型参数，优化模型效果，有时借助电脑自动确定最佳参数比例。04确定模型结构（烹饪方法）决定模型的“烹饪步骤”，如层数、激活函数等，构建合适模型结构。05展示模型成果对于简单模型可直接呈现，复杂模型需用特别方法解释，让人理解其工作原理。模型训练03模型训练01准备学习材料整理数据，去除错误和无用信息，将数据分堆，平衡不同类型数据量。02选择学习方法和打分规则确定学习方式，如逐步学习或随机挑重点学，同时确定打分规则，如按错题数量打分。03制订学习计划设定学习速度、每次学习量、复习次数，确保学习效果和效率。04开始学习准备工具，反复练习，根据每次结果调整学习方法，保存学习进度。05检查效果和调整方法通过模拟测试检查学习效果，依据成绩调整学习方法，如更换教材或计划。模型测试04模型测试准备考试卷全面选取测试数据，确保测试数据与训练数据难度、格式相近，公平评估模型。进行考试将测试数据输入模型，记录模型预测结果，准备与实际结果对比。打分和分析选择打分标准，计算模型准确率等指标，分析指标评估模型表现，找出问题。决定是否应用对比模型表现与期望标准，考虑应用风险，决定是否部署模型，若需改进则再培训测试。模型应用05模型应用个性化学习计划智能助手依据学习表现，为学生定制专属学习计划，针对弱点提升学习效果。智能推荐题目根据对知识点掌握情况，推荐合适题目，提高练习针对性和效率。学习效果评估依据做题情况评估学习效果，判断是否可进入下一知识点学习。模拟考试和反馈考试前提供模拟考试，考后给予反馈，指出优点与不足，助力提升。模型应用学习进度跟踪跟踪学习进度，让学生清晰了解各科目学习情况及与目标的差距。互动式学习通过问答方式解答学生对知识点的疑问，提供随时可问的学习支持。持续优化如同关注菜肴味道，依据实际应用反馈，持续优化模型，保持良好效果。案例：智能教育辅导系统介绍06系统目标与意义解决教育资源不均问题智能教育辅导系统旨在解决教育资源分布不均的现状，让不同地区的学生都能获得优质教育资源。满足个性化辅导需求该系统关注学生个体差异，为每个学生提供个性化的辅导，弥补传统教育忽视个体的不足。提升学习效率与效果通过定制化学习方案，智能教育辅导系统帮助学生如小张，在繁重课业中得到有效辅导，提升学习效率和效果。数据收集来源学生学习记录涵盖考试成绩、作业完成情况和课堂表现等，全面反映学生学习水平和习惯。教师反馈提供有关学生学习风格、理解能力等方面信息，辅助了解学生学习状况。在线学习平台记录学生学习轨迹、时间和答题情况，揭示其对学习环境适应性和资源偏好。兴趣爱好与学习目标这些主观数据对个性化辅导至关重要，有助于为学生定制合适的学习内容。开发过程概述数据收集智能教育辅导系统开发始于数据收集，这是系统的基础，数据来源多样，为后续步骤提供支撑。模型设计根据系统目标，选择合适的模型，如同厨师设计食谱，明确目标、选工具、调参数等。模型训练训练模型是核心环节，影响系统对数据模式的学习和预测能力，类似日常学习过程。模型测试通过模型测试确保模型可信赖，像评估新老师教学水平一样，用测试数据评估模型效果。模型应用将开发好的模型应用于实际问题，为学生提供个性化学习计划、智能推荐题目等服务。明确目标目标对于辅导系统的重要性明确辅导系统功能目标至关重要，如同做菜需先决定做何种菜品，只有明确目标，才能有的放矢地开发系统。以预测考试分数为例若目标是预测考试分数，系统将围绕此收集相关学习数据，分析影响分数的因素，为后续开发奠定基础。以确定知识薄弱点为例若要确定学生哪些知识点没掌握，系统会侧重于对学生作业、测试等数据中知识点的分析，帮助学生精准提升。选择工具根据任务特性选模型不同的AI任务需选择适配的AI模型，就像做不同的菜要选合适的厨具。例如分类学习水平，逻辑回归模型较为适用。图像识别任务选模型若任务是分析表情等图像识别相关，卷积神经网络这种高级工具能更好提取图像特征，完成任务。序列数据任务选模型对于处理学生学习时间序列数据，循环神经网络（RNN）及其变体如LSTM、GRU等模型可有效捕捉序列中的信息。调整参数参数对模型效果的影响找到模型最佳参数如同做菜时精准调味，合适的参数能让模型达到最佳效果，提升预测准确性。手动调整参数开发人员可手动尝试不同参数组合，观察模型性能变化，如调整逻辑回归模型的正则化参数，优化其泛化能力。自动调整参数也可借助自动化工具，如随机搜索、网格搜索等算法，让电脑自动寻找最佳参数比例，提高效率。确定步骤层数对模型的影响决定模型的“烹饪步骤”，其中层数至关重要。增加层数可提升模型复杂度与表达能力，但也可能导致过拟合。激活函数的作用激活函数赋予模型非线性能力，不同激活函数适用于不同场景，如ReLU函数可有效解决梯度消失问题。合理规划步骤的意义合理规划模型步骤，包括层数与激活函数选择，能使模型更好学习数据特征，准确实现辅导系统功能。展示成果01简单模型的展示对于简单模型，展示其工作原理如同直接查看食谱，开发人员可通过简单的公式、图表说明模型预测过程。02复杂模型的解释复杂模型需特别方法解释，如使用特征重要性分析，告知大家模型中哪些部分对结果影响最大。03展示成果的目的展示模型成果，能让使用者理解模型如何工作，增强对辅导系统的信任，便于更好应用。准备学习材料01整理笔记如同将课本和笔记梳理干净，去除错误与无用信息，在智能教育辅导系统训练模型时，要对数据进行清理，为模型学习提供准确数据。02分批学习把学习材料分为日常学习与考前复习两部分，对应到模型训练，即把数据分成用于日常训练和测试前评估的数据，以便模型逐步学习与检验成果。03调整数据量若发现不同类型数据量差异大，如某科目题目数量不均衡，需进行调整，确保模型学习的数据具有平衡性和代表性。选择学习方法和打分规则确定学习方式决定