当前位置：首页 > news >正文

AI -- Machine Learning

news 2025/12/24 4:31:01

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

Nginx server_name 配置说明

Nginx 是一个高性能的反向代理和负载均衡服务器，其核心配置之一是 server 块中的 server_name 指令。server_name 决定了 Nginx 如何根据客户端请求的 Host 头匹配对应的虚拟主机（Virtual Host）。 1. 简介 Nginx 使用 server_name 指令来确定…...

编程新知 2025/9/6 16:47:17

提升移动端网页调试效率：WebDebugX 与常见工具组合实践

在日常移动端开发中，网页调试始终是一个高频但又极具挑战的环节。尤其在面对 iOS 与 Android 的混合技术栈、各种设备差异化行为时，开发者迫切需要一套高效、可靠且跨平台的调试方案。过去，我们或多或少使用过 Chrome DevTools、Remote Debug…...

编程新知 2025/6/10 21:08:23

认识CMake并使用CMake构建自己的第一个项目

1.CMake的作用和优势跨平台支持：CMake支持多种操作系统和编译器，使用同一份构建配置可以在不同的环境中使用简化配置：通过CMakeLists.txt文件，用户可以定义项目结构、依赖项、编译选项等，无需手动编写复杂的构建脚本…...

编程新知 2025/12/22 18:39:05

数据库正常，但后端收不到数据原因及解决

从代码和日志来看，后端SQL查询确实返回了数据，但最终user对象却为null。这表明查询结果没有正确映射到User对象上。在前后端分离，并且ai辅助开发的时候，很容易出现前后端变量名不一致情况，还不报错，只是单…...

编程新知 2025/7/21 8:35:44

13.10 LangGraph多轮对话系统实战：Ollama私有部署+情感识别优化全解析

LangGraph多轮对话系统实战：Ollama私有部署+情感识别优化全解析 LanguageMentor 对话式训练系统架构与实现关键词：多轮对话系统设计、场景化提示工程、情感识别优化、LangGraph 状态管理、Ollama 私有化部署 1. 对话训练系统技术架构采用四层架构实现高扩展性的对话训练…...

编程新知 2025/11/26 18:37:42

AT模式下的全局锁冲突如何解决？

一、全局锁冲突解决方案 1. 业务层重试机制（推荐方案） Service public class OrderService {GlobalTransactionalRetryable(maxAttempts 3, backoff Backoff(delay 100))public void createOrder(OrderDTO order) {// 库存扣减（自动加全…...

编程新知 2025/11/23 22:35:54

今日行情明日机会——20250609

上证指数放量上涨，接近3400点，个股涨多跌少。深证放量上涨，但有个小上影线，相对上证走势更弱。 2025年6月9日涨停股主要行业方向分析（基于最新图片数据） 1. 医药（11家涨停） 代表标…...

编程新知 2025/12/18 2:34:45

Flask和Django，你怎么选？

Flask 和 Django 是 Python 两大最流行的 Web 框架，但它们的设计哲学、目标和适用场景有显著区别。以下是详细的对比： 核心区别：哲学与定位 Django: 定位: "全栈式" Web 框架。奉行"开箱即用"的理念。哲学: "包含…...

编程新知 2025/10/24 4:20:52

leetcode 386. 字典序排数中等

给你一个整数 n ，按字典序返回范围 [1, n] 内所有整数。你必须设计一个时间复杂度为 O(n) 且使用 O(1) 额外空间的算法。示例 1： 输入：n 13 输出：[1,10,11,12,13,2,3,4,5,6,7,8,9]示例 2： 输入：n 2…...

编程新知 2025/6/25 11:41:32

原型对象（Prototype）详解

原型对象（Prototype）详解一、核心概念本质：每个 JavaScript 对象（除 null 外）都有的内置属性作用：实现对象间的属性/方法继承（原型继承）存储位置：[[Prototype]] 内部属性（通过 __proto__ 或 Object.getPrototypeOf() 访问）二、关键特性图示对象实例 (obj)│├─…...

编程新知 2025/9/12 18:37:02

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：