当前位置：首页 > news >正文

AI -- Machine Learning

news 2026/5/25 3:24:32

1. What is Machine Learning

1.1 Artificial Intelligence vs. Machine Learning

在这里插入图片描述

1.2 Relations to Other Disciplines 与其他学科的关系

在这里插入图片描述

1.3 Human Learning vs. Machine Learning

在这里插入图片描述

1.4 What is Skill in Machine Learning 什么是机器学习的技能

在这里插入图片描述

1.5 Two General Types of Learning 两种通用的学习类型

在这里插入图片描述

1.6 A Formal Definition about Machine Learning 机器学习的形式化定义

在这里插入图片描述

1.7 Three Key Elements in the Formal Definition 形式化定义的三要素

在这里插入图片描述

2. Three Parties of Machine Learning 机器学习的三个学派

在这里插入图片描述

3. Machine Learning Details

3.1 Difficulty in Understanding Machine Learning

在这里插入图片描述

3.2 How Machine Learning Works

在这里插入图片描述

3.3 Three Perspectives on Machine Learning

3.3.1 Why Three Perspectives

在这里插入图片描述

3.3.2 Learning Tasks

在这里插入图片描述

3.3.3 Learning Paradigms

在这里插入图片描述

3.3.4 Learning Models

在这里插入图片描述

4. Applications and Terminologies（术语，名词）

在这里插入图片描述

5. Three Perspectives Details

5.1 Tasks in Machine Learning

在这里插入图片描述

5.1.1 Classification

在这里插入图片描述

How Classification Works
Linear and Nonlinear
Dimensions and Classes
Applications and Algorithms

5.1.2 Regression（回归）

在这里插入图片描述

5.1.2.1 How Regression Works

在这里插入图片描述

5.1.2.2 Linear and Nonlinear

在这里插入图片描述

5.1.2.3 Applications and Algorithms

在这里插入图片描述

5.1.3 Clustering

5.1.3.1 How Clustering Works

在这里插入图片描述

5.1.3.2 Major Approaches of Clustering

在这里插入图片描述

5.1.4 Ranking

在这里插入图片描述

5.1.4.1 How Ranking Works

在这里插入图片描述

5.1.4.2 Major Approaches of Ranking

在这里插入图片描述

5.1.4.3 Applications and Algorithms

在这里插入图片描述

5.1.5 Dimensionality Reduction

在这里插入图片描述

5.2 Paradigms in Machine Learning

在这里插入图片描述

5.2.1 Supervised Learning Paradigm

在这里插入图片描述

5.2.1.1 Overview of Supervised Learning

在这里插入图片描述

5.2.1.2 Suitable Learning Tasks

在这里插入图片描述

5.2.1.3 Formal Description

在这里插入图片描述

5.2.1.4 Algorithms of Supervised Learning

在这里插入图片描述

5.2.1.5 Applications of Supervised Learning

在这里插入图片描述

5.2.1.6 Variants of Supervised Learning

在这里插入图片描述

5.2.2 Unsupervised Learning Paradigm

5.2.2.1 Overview

在这里插入图片描述

5.2.2.2 Suitable Learning Tasks

在这里插入图片描述

5.2.2.3 Algorithms of Unsupervised Learning

在这里插入图片描述

5.2.2.4 Applications of Unsupervised Learning

在这里插入图片描述

5.2.2.5 How Important Unsupervised Learning

在这里插入图片描述

5.2.3 Reinforcement Learning Paradigm

5.2.3.1 Overview of Reinforcement Learning

在这里插入图片描述

5.2.3.2 Types of Reinforcement Learning

在这里插入图片描述

5.2.3.3 New Algorithms of Reinforcement Learning

在这里插入图片描述

5.2.3.4 Applications of Reinforcement Learning

在这里插入图片描述

5.2.4 Relations and Other Paradigms

在这里插入图片描述

5.2.4 Models in Machine Learning

在这里插入图片描述

5.2.4.1 Probabilistic Models

在这里插入图片描述

5.2.4.2 Geometric Models

在这里插入图片描述

5.2.4.3 Logical Models

在这里插入图片描述

5.2.4.4 Networked Models

在这里插入图片描述

Artificial Neural Networks (ANN)

在这里插入图片描述

Deep Neural Networks (DNN)

在这里插入图片描述

AI -- Machine Learning

1. What is Machine Learning 1.1 Artificial Intelligence vs. Machine Learning 1.2 Relations to Other Disciplines 与其他学科的关系 1.3 Human Learning vs. Machine Learning 1.4 What is Skill in Machine Learning 什么是机器学习的技能 1.5 Two General Types of Le…...

编程日记 2024/8/17 11:54:29

了解交换机_1.交换机的技术发展

1.LAN的分段-单网线最简单的网络是两台计算机通过一根网线相连： 一根网线它有很多限制，首先只能连接两台电脑，其次不能距离太远，主要因为： （1）单路网线太长会存在信号衰减；…...

编程日记 2024/8/17 11:52:25

ubuntu 24.04 安装 Nvidia 显卡驱动 + CUDA + cuDNN，配置 AI 深度学习训练环境，简单易懂，一看就会！

ubuntu 24.04 安装 Nvidia 显卡驱动 CUDA cuDNN，配置 AI 深度学习训练环境，简单易懂，一看就会！ 1.查看本机显卡型号 lspci | grep -i nvidia输出如下： 01:00.0 3D controller: NVIDIA Corporation GM108M [GeForc…...

编程日记 2024/8/17 11:51:23

跟李沐学AI：目标检测的常用算法

区域神经网络R-CNN 使用启发式搜索算法来选择锚框 -> 使用预训练模型来对每个锚框抽取特征 -> 训练一个SVM对类别进行分类 -> 训练一个线性回归模型来预测边缘框偏移锚框大小不一，如何将不同的锚框统一为一个batch? -> 兴趣区域池化层兴趣区域(RoI…...

编程日记 2024/8/17 11:47:15

基于UE5和ROS2的激光雷达+深度RGBD相机小车的仿真指南(一)---UnrealCV获取深度+分割图像

前言本系列教程旨在使用UE5配置一个具备激光雷达深度摄像机的仿真小车，并使用通过跨平台的方式进行ROS2和UE5仿真的通讯，达到小车自主导航的目的。本教程使用的环境： ubuntu 22.04 ros2 humblewindows11 UE5.4.3python8 本系列教程将涉及以…...

编程日记 2024/8/17 11:45:12

Java算法解析一：二分算法及其衍生出来的问题

这个算法的前提是，数组是升序排列的算法描述： i和j是指针可以表示查找范围 m为中间值当目标值targat比m大时，设置查找范围在m右边：i m-1 当目标值targat比m小时，设置查找范围在m左边：j m1 当targat的…...

编程日记 2024/8/17 11:43:10

数学建模预测类—【一元线性回归】

每日格言：行动是治愈恐惧的良药，而犹豫拖延将不断滋养恐惧. 目录前言一、什么是回归分析？ 1.概念理解 2.分类和一般步骤二、一元线性回归（Matlab算法） 1.利用regress函数 2、例题讲解总结前言在具体讲述线性回归…...

编程日记 2024/8/17 11:42:09

配置更加美观的 Swagger UI

//注册Swagger服务 private static void AddSwaggerService(IServiceCollection services){services.AddSwaggerGen(opt >{opt.SwaggerDoc("Push", new OpenApiInfo{Version "v1",Title "Push API",Description "Push API 文档"…...

编程日记 2024/8/17 11:41:07

软件测试 - 基础（软件测试的生命周期、测试报告、bug的级别、与开发人员产生争执的调解方式）

一、软件测试的生命周期测试贯穿软件的整个生命周期软件测试的生命周期： 需求分析 →测试计划→ 测试设计、测试开发→ 测试执行→ 测试评估->上线->运行维护需求分析：判断用户的需求是否合理，是否可实现测试计划：计划项…...

编程日记 2024/8/17 11:40:06

RTX 4070 GDDR6显存曝光：性能与成本的平衡之选

近期，关于NVIDIA RTX 4070新显卡的信息曝光，这款显卡将配备较为缓慢的GDDR6显存，而非更高性能的GDDR6X。这一配置的选择引发了业内的广泛关注，特别是在性能与成本的平衡问题上。新版RTX 4070 OC 2X的核心特点 **1.显存类型与带…...

编程日记 2024/8/17 11:39:05

canvas的基础使用

canvas的基础使用一、画一条直线二、线的属性设置三、防止多次绘制的样式污染四、闭合五、快捷绘制矩形六、绘制圆形七、绘制文字八、绘制图片js版dom版图片截取一、画一条直线画一条直线需要用到三个方法：cxt.moveTo、cxt.lineTo、cxt.stroke <canvas id&qu…...

编程日记 2024/8/17 11:36:01

Windows 常用网络命令之 telnet（测试端口是否连通）

文章目录 1 概述1.1 启用 telnet 2 常用命令2.1 ping：测试网络是否连通2.2 telnet：测试端口是否连通 3 扩展3.1 进入 cmd 命令3.2 cls 清屏命令 1 概述 1.1 启用 telnet telnet ip:port // 格式 telnet 10.0.24.154:8001若出现上述提示&…...

编程日记 2024/8/17 11:28:53

x264 编码器像素运算系列：asd8函数

x264 编码器中像素间运算在 x264 编码器中有多种像素间的运算，如下： sad 计算：SAD（Sum of Absolute Differences，绝对差值和）是一种在图像处理和视频编码中常用的度量，用于计算两个图像块之间的差异。SAD值越小，表示两个图像块越相似。hadamard_ac计算：用于计算Hadam…...

编程日记 2024/8/17 11:27:52

什么是AR、VR、MR、XR？

时代背景近年来随着计算机图形学、显示技术等的发展，视觉虚拟化技术得到了广泛的发展，并且越来越普及化，慢慢的也走入人们的视野。目前市场上视觉虚拟化技术的主流分为这几种 VR、AR、MR、XR。这几项技术并不是最近才出现的，VR的…...

编程日记 2024/8/17 11:25:48

Epic Games 商店面向欧盟 iPhone 用户上线

Epic Games Store 终于在欧盟推出，为玩家提供了不通过 App Store 就能在 iPhone上访问游戏的途径。在经历了漫长而昂贵的关于支付和竞争对手应用程序店面的法律战，以及公证方面的麻烦之后，Epic Games 成功地为App Store 带来了一个数字店面。…...

编程日记 2024/8/17 11:24:47

【计算机毕设项目】2025级计算机专业小程序项目推荐 (小程序+后台管理)

以下项目选题适合计算机专业大部分专业，技术栈主要为：前端小程序，后端Java语言，数据库MySQL 后台免费获取源码，可提供远程调试、环境安装配置服务。（文末有联系方式） 以下是本次部分项目推荐1…...

编程日记 2024/8/17 11:21:43

Fast API + LangServe快速搭建 LLM 后台

如果快速搭建一个 LLM 后台 API，使前端可以快速接入 LLM API。LangChain 或者 LlamaIndex 架构都可以快速集成各种大语言模型，本文将讲述如何通过 Fast API LangServe 快速的搭建一个后台 Rest API 服务。LLM 这些框架现在主打一个就是快速，…...

编程日记 2024/8/17 11:19:41

CSS继承、盒子模型、float浮动、定位、diaplay

一、CSS继承 1.文字相关的样式会被子元素继承。 2.布局样式相关的不会被子元素继承。（用inherit可以强行继承） 实现效果： 二、盒子模型每个标签都有一个盒子模型，有内容区、内边距、边框、外边距。从内到外：cont…...

编程日记 2024/8/17 11:18:39

使用百度文心智能体创建AI旅游助手

百度文心智能体平台为你开启。百度文心智能体平台，创建属于自己的智能体应用。百度文心智能体平台是百度旗下的智能AI平台，集成了先进的自然语言处理技术和人工智能技术，可以用来创建属于自己的智能体应用，访问官网链接&#xff1…...

编程日记 2024/8/17 11:16:37

斗破C++编程入门系列之四：运算符和表达式

鸡啄米C 记住首页不迷路： http://www.jizhuomi.com/software/129.html 斗破观看顺序： https://v.haohuitao.cc/yhplay/336-1-2.html 第一季☞第二季前2集☞特别篇1☞第二季3～12集☞特别篇2沙之澜歌☞第三季☞第四季☞三年之约☞缘起☞年番…...

编程日记 2024/8/17 11:13:34

实战避坑：在Unity里用A*做2D网格寻路，我踩过的性能坑和优化方案都在这了

Unity中A*算法性能优化的实战指南当你在Unity项目中实现了一个基础A寻路系统后，随着游戏单位数量增加或地图规模扩大，性能问题往往会突然出现。帧率下降、卡顿现象频发，这些问题在移动端或需要大量单位同时寻路的RTS、塔防类游戏中尤为明显。…...

编程新知 2026/5/25 2:40:37

CentOS 7服务器管理员的福音：手把手配置fbterm终端，实现中英文无缝切换

CentOS 7终端双语解决方案：fbterm配置全指南与实战技巧对于长期工作在命令行界面的系统管理员来说，中英文环境切换是个高频痛点。英文系统能确保软件兼容性和命令执行稳定性，但面对中文日志、文档时又需要可靠的显示支持。这种矛盾在CentOS 7…...

编程新知 2026/5/25 1:37:03

HexStrike AI v6.0：面向红队实战的多智能体渗透框架

1. 这不是又一个“AI安全”的概念玩具，而是一套能真正进红队作战包的智能体渗透框架我第一次在内部红队演练中把 HexStrike AI v6.0 推进真实靶场时，没敢直接叫它“AI渗透工具”——怕被老队员当场笑出声。毕竟过去三年里，我亲手试过七套标榜…...

编程新知 2026/5/25 0:34:44

Wireshark抓不到国密TLCP流量？揭秘协议解析断层与电信数智版实战方案

1. 为什么普通Wireshark根本抓不到国密流量——从协议栈底层看TLCP的“隐身”逻辑你有没有试过，在一台刚装好国密SM2/SM3/SM4算法支持的Linux服务器上，用标准Wireshark 3.7.1抓包，结果在过滤器里输入tls或ssl，却一条加密握手记录都…...

编程新知 2026/5/24 23:49:10

支付即开票·自助开票·阿雪心学·无相无界(12)—东方仙盟

未来之窗架构：支付即开票，构建企业数字化开票新生态未来之窗架构深度融合数电发票创新能力，以支付即开票为核心内核，打通交易、开票、数据流转全链路，为企业提供合规、高效、低成本的一体化开票解决方案。该架构无需依…...

编程新知 2026/5/24 23:45:06

MongoDB8.0新特性实战：向量搜索、时序集合与分片集群优化

MongoDB 8.0新特性实战：向量搜索、时序集合与分片集群优化作者：Crown_22 | AI Agent & Hermes Agent 桌面程序开发者前言 MongoDB 8.0 是一个重大版本更新，带来了多项面向 AI 和大数据场景的新特性。其中最引人注目的是原生向量搜索（Vector Search）——这让 MongoD…...

编程新知 2026/5/24 22:45:33

Arkime全流量分析平台企业级部署与深度调优实战

1. 这不是又一个SIEM，而是一台“网络时间机器”你有没有遇到过这样的场景：凌晨三点，安全告警平台突然炸出十几条“横向移动”高危告警，但日志里只有一行模糊的401 Unauthorized，源IP是内网段，目标端口是338…...

编程新知 2026/5/24 22:34:57

2026中国GEO企业成长路径分析洞察

这份《2026 中国 GEO 企业成长路径分析洞察》由易观分析发布，聚焦生成式引擎优化（GEO）领域，对比中美差异、拆解本土模式、归纳四类成长路径并给出标杆案例，清晰揭示中国 GEO 行业的底层逻辑、竞争格局与发展方向。关注…...

编程新知 2026/5/24 20:50:14

DeepSeek免费额度到底能跑几个大模型？揭秘2024最新配额规则与5个隐藏续费技巧

更多请点击： https://codechina.net 第一章：DeepSeek免费额度到底能跑几个大模型？ DeepSeek 官方为新注册用户提供 100 万 Token 的免费调用额度（截至 2024 年底政策），但不同模型的 Token 消耗差异显著——…...

编程新知 2026/5/24 20:37:51

【DeepSeek推理加速实战指南】：20年AI系统优化专家亲授7大低开销部署技巧

更多请点击： https://kaifayun.com 第一章：DeepSeek推理加速的核心挑战与优化全景 DeepSeek系列大模型在实际部署中面临显著的推理延迟与显存压力，尤其在长上下文（如32K tokens）和高并发场景下，GPU利用率常…...

编程新知 2026/5/24 19:10:48

1. What is Machine Learning

1.1 Artificial Intelligence vs. Machine Learning

1.2 Relations to Other Disciplines 与其他学科的关系

1.3 Human Learning vs. Machine Learning

1.4 What is Skill in Machine Learning 什么是机器学习的技能

1.5 Two General Types of Learning 两种通用的学习类型

1.6 A Formal Definition about Machine Learning 机器学习的形式化定义

1.7 Three Key Elements in the Formal Definition 形式化定义的三要素

2. Three Parties of Machine Learning 机器学习的三个学派

3. Machine Learning Details

3.1 Difficulty in Understanding Machine Learning

3.2 How Machine Learning Works

3.3 Three Perspectives on Machine Learning

3.3.1 Why Three Perspectives

3.3.2 Learning Tasks

3.3.3 Learning Paradigms

3.3.4 Learning Models

4. Applications and Terminologies（术语，名词）

5. Three Perspectives Details

5.1 Tasks in Machine Learning

5.1.1 Classification

5.1.2 Regression（回归）

5.1.2.1 How Regression Works

5.1.2.2 Linear and Nonlinear

5.1.2.3 Applications and Algorithms

5.1.3 Clustering

5.1.3.1 How Clustering Works

5.1.3.2 Major Approaches of Clustering

5.1.4 Ranking

5.1.4.1 How Ranking Works

5.1.4.2 Major Approaches of Ranking

5.1.4.3 Applications and Algorithms

5.1.5 Dimensionality Reduction

5.2 Paradigms in Machine Learning

5.2.1 Supervised Learning Paradigm

5.2.1.1 Overview of Supervised Learning

5.2.1.2 Suitable Learning Tasks

5.2.1.3 Formal Description

5.2.1.4 Algorithms of Supervised Learning

5.2.1.5 Applications of Supervised Learning

5.2.1.6 Variants of Supervised Learning

5.2.2 Unsupervised Learning Paradigm

5.2.2.1 Overview

5.2.2.2 Suitable Learning Tasks

5.2.2.3 Algorithms of Unsupervised Learning

5.2.2.4 Applications of Unsupervised Learning

5.2.2.5 How Important Unsupervised Learning

5.2.3 Reinforcement Learning Paradigm

5.2.3.1 Overview of Reinforcement Learning

5.2.3.2 Types of Reinforcement Learning

5.2.3.3 New Algorithms of Reinforcement Learning

5.2.3.4 Applications of Reinforcement Learning

5.2.4 Relations and Other Paradigms

5.2.4 Models in Machine Learning

5.2.4.1 Probabilistic Models

5.2.4.2 Geometric Models

5.2.4.3 Logical Models

5.2.4.4 Networked Models

相关文章：