Contents

1-1 AI發展史

1-2 AI、機器學習與深度學習

1-3 機器學習過程

1-4 資料前處理

1-5 評估模型

1-6 欠擬合與過擬合

1-7 正規化 改善Overfitting

1-8 超參數調整

1-1 AI發展史

人工智慧的定義

• John McCarthy 1956：人工智慧是讓機器的行為看起來像人表現出智慧的行為一樣
• Kaplan與Haenlein (2019)：系統正確解釋外部資料，從這些資料中學習，並利用這些知識透過靈活適應實現特定目標和任務的能力

強人工智慧vs弱人工智慧

• 強人工智慧：認為有可能製造出真正能推理(Reasoning)和解決問題(Problem solving)的智慧機器，此機器被認為是有知覺，自我意識
• 弱人工智慧：認為不可能製造出能真正推理和解決問題的智慧機器，這些機器只不過看起來像有智慧，但並不真正擁有智慧，也不會有自主意識

1-2 AI、機器學習與深度學習

補充說明

• 資料特徵值：從一個初始測量的資料集合中開始做，然後建構出富含資訊性而且不冗餘的導出值，稱為特徵值（feature）
• 損失函數：是指一種將一個事件（在一個樣本空間中的一個元素）映射到一個表達與其事件相關的經濟成本或機會成本的實數上的一種函數，藉此直觀表示的一些"成本"與事件的關聯

神經網路系統

• 每一節點即神經細胞
• 輸入層接收特徵值
• 隱藏層由多層神經細胞組成
• 輸出層(展示層)輸出目標
• 此種網路也稱感知器(perceptron)

人工智慧學派

Python機器學習常用套件

• Scikit-Learn 是 Python 實作機器學習的必學套件，重要常用的機器學習演算都可利用 Scikit-Learn 快速方便的實作 🡪 import sklearn
• Pandas, Numpy, Scipy 用於資料分析