AI使用特定的算法,从历史数据中寻找规律,然后用于新数据的预测； 这教科书式的回答适合在正式场合说,比如面试... 有一个专门的名词叫"拟合",用于描述算法模型与数据规律的契合程序； 拟合 这个词从中文的角度看上去不自然,是翻译过来的名词, 就跟"尼古拉斯-赵四"一样,虽然不太理解但总体感觉有些高大上 跟常说的,"怎么样，合适吗？","你会办事吗","你会说话吗,不会就别说"... 本质是一个意思,拟合程度不高...结果引发他人不满... 更适合这个地方的单词,应该是模拟/近似/契合/试图步调一致, 转换成生命的行为就是立足于本能的学习 本来学习就完事了,特意加上立足于本能, 是为了强调,不同的生命对这个世界的学习方式不一样 从道的角度看, 如目所见事物甚至连其运动方式都有道的体现, 但完成同一件事不同做法的代价与效率区别可大了去了 我们想要那个代价低效率高的... 张三说,学习太累了,有没有人帮我学习一下,告诉我结果就行 李四说,那你用AI试试吧... 就是将人类活动中那些高度重复，累人且没有创造性的工作 让机器耗电去做吧... AI就是模仿生命对世界的学习方式而生的一门学科,深度学习更是如此,仿照了生命神经元的模式 如果说人是万能学习机,那模仿人的AI就是一个万能模拟器, 虽然目前它远不如人聪明,但也能做很多人无法完成的工作 简单说,AI就是一个模拟器,给它点历史数据它就能自己学习出其中的规律, 数据充足时,效果更佳,常用于工程近似 AI是一门工程近似学科 从智能的角度看,智慧生命发展到一定程度,弱一级智能AI,也就是人工智能的诞生是必然的!
何为智？
合规近道为智（仅个人观点，如有雷同，纯属巧合... ）
工程师的能力
相比于纯学术性研究的人来说，工程师的能力在于 将一个 业务问题 转化为 已有的算法模型，并且进行落地解决 这个业务问题并不局限于你曾经见过的，也包括你之前没有见过的 大多时候并不是要设计一个高深的算法，而且 以简单/简洁的方式 去解决一个实际问题
工程的实现靠编程语言
编程语言从最开始的指令，
到函数，面向过程
到类与对象，面向世界，实际就是面向业务
总之，编程是为业务服务，是业务实现的一种技术
通用解决问题的方法
数字化：将各种抽象的问题转化为数据 选模型：选择与具体业务场景最贴合的模型
AI的效果是 大数据 + 算法模型 的综合结果
人们很容易认为新出现的AI的效果是算法模型的功劳，
实际上这是，大数据 +算法模型的共同结果
大数据决定了结果的上限
但模型的设计代表了人们的创造性，思考，对规律的模拟，的确也是非常核心且重要的
目的：搭建一套AI环境 主要内容： windows 10 anaconda安装 windowns 10 vscode安装 扩展学习： ubantu环境熟悉 ubantu上搭建docker
初学者推荐使用conda,因为它帮你处理了很多的依赖问题
anaconda安装
到
https://www.anaconda.com/
下载及安装
conda命令行大全
https://blog.csdn.net/2402_84205067/article/details/140143471
windows直接下一步下一步，安装完成后在所有应用中找到Aanconda3的应用程序，就可以尝试使用了
这里以ubantu为例，记录一次执行过程
Anaconda3-2022.10-Linux-x86_64.sh 对应python3.9
安装用户可以是root,也可以是普通用户
sudo mkdir -p /ai/app
sudo chown -R xt.xt /ai/
sh Anaconda3-2022.10-Linux-x86_64.sh
Anaconda3 will now be installed into this location:
/home/xt/anaconda3
- Press ENTER to confirm the location
- Press CTRL-C to abort the installation
- Or specify a different location below
[/home/xt/anaconda3] >>> /ai/app/anaconda3
Do you wish the installer to initialize Anaconda3
by running conda init? [yes|no]
[no] >>> yes
Traceback (most recent call last):
File "/ai/app/anaconda39/bin/conda", line 14, in
from conda.cli import main
ModuleNotFoundError: No module named 'conda'
If you'd prefer that conda's base environment not be activated on startup,
set the auto_activate_base parameter to false:
conda config --set auto_activate_base false
Thank you for installing Anaconda3!
===========================================================================
环境变量配置,添加用户,Jupyter的运行需要普通用户
adduser py39
chown -R py39.py39 /ai/app/anaconda3/
su - py39
添加环境变量
export PATH=/ai/app/anaconda3/bin:$PATH
jupyter: 免费 针对数据科学 很多数据科学家就用这个，用这个足够完成AI的开发 Tab+Shift的参数说明，超级适合初学者 vscode+插件： 免费 并不针对哪个语言，或者说大多语言都可以用它开发，只是方便程度不一样， vscode+插件几乎能满足你的一切需求， 比如你需要一个功能，也不知道应该安装什么插件，此时你应该上网搜索一下 pycharm: 有收费版与社区版 针对python的IDEA系列开发工具 pycharm官网下载(社区版在页面最下面)
pycharm python环境变量配置
Add new interpreter:
Conda Env:/Users/73xt/app/python/anaconda3/bin/conda
默认的conda对应base环境的python
安装jupyter
conda自带有jupyter， python则执行以下命令 pip install jupyter
jupyter远程配置
配置python环境变量，告诉jupyter python库目录在哪 PATHHONPATH=/home/xt/anaconda3/lib/python3.9/site-packages jupyter notebook password #设置 jupyter 的密码 jupyter notebook --generate-config #生成自己配置文件，目录在 ~/.jupyter/jupyter_notebook_config.py 示例 jupyter notebook password book_1234 $ jupyter notebook --generate-config vim ~/.jupyter/jupyter_notebook_config.py c.NotebookApp.ip='*' c.NotebookApp.open_browser=False c.NotebookApp.port=8888 启动 jupyter notebook jupyter notebook --ip 0.0.0.0 jupyter notebook --ip 0.0.0.0 --allow-root 访问 http://ip:8888/ 虚拟机中有多个IP，且上面的方式访问不通时，可关闭防火墙 centos7关闭防火墙(ubantu没有防火墙问题，所以不需要你去关) systemctl status firewalld systemctl stop firewalld systemctl disable firewalld 也可能是虚拟机与主机共享了IP所致，可尝试 http://localhost:8888/
## docker中搭建AI环境的好处 - 降低入门难度，节省时间 - 对python不了解的同学，可直接使用老师搭建的docker环境，快速上手 - 先熟悉AI，日常学习中再慢慢了解python语法及各种依赖包的安装 - 消除python依赖版本的影响 - 随时人工智能发展，所有的python模块版本也在不断地迭代 - 不同的版本，API调用不一样 - 直接使用老师配置好的docker环境，可保持与课上老师代码版本一致 - 可避免因版本不一致带来的各种bug问题 - 面试亮点，工作需要 - 简历中如果写上会使用docker，是个亮点 - 人工智能的代码具有很大的不确定性 - 开发环境如果使用docker - 可直接将该docker发布到线上，可极大减少线上环境与开发环境不一致的问题 - 学习docker对未来工作会有助益