阿里云人工智能工程师ACA认证免费课程学习笔记

阿里云人工智能工程师ACA认证免费课程学习笔记

0. 引言

这里记录了部分阿里云人工智能工程师ACA认证免费课程的截图,方便我个人查阅。

第1章:人工智能基础

课时1:人工智能概述






课时2:人工智能产业结构







课时3:人工智能项目开发的基本流程











第2章:机器学习PAI平台基础

第3章:数据处理基础

课时8:数据采集





课时9:数据可视化












课时10:数据标注



















边框需要贴合物体

第4章:机器学习基础

课时11:机器学习概述


  • 机器学习是使用算法解析数据
  • 深度学习是采用多层非线性函数(神经网络)学习数据特征
  • 利用已有的数据开发可以用来对新数据进行预测的模型
  • 主要研究能产生模型的算法




  • 一种以 "试错" 的方式进行学习,通过与环境交互获得的奖赏指导行为。
  • 分类:预测变量是离散的。
  • 回归:预测变量是连续的。




  • 用来估量模型的预测值与真实值的不一致程度


  • 优化函数通过调节参数使误差函数值变小
  • 梯度下降:Gradient Descent
  • 适用性梯度算法:使用学习率动态调整参数
  • 均方根传播算法和AdaDelta算法:也是在学习率上做优化的
  • Adam算法:可以看做是动量优化法和均方根传播算法的结合,自适应的调整学习率
  • MBGD:n一般选择10。batch size选择不好的话,可能会带来一些问题。




  • 对角线是分类正确的值,对角线以外都是分类错误的。

课时12:机器学习经典算法介绍


  • 两种叫做二元线性回归,两种以上叫做多元线性回归。
  • 需要先确定数据是否是线性关系
  • 加上对系数的惩罚项


  • 添加非线性变换
  • Softmax:激活函数


  • Softmax:另一个说法是归一化指数函数







  • 找到最大边距超平面


  • 径向基核函数用的最多



  • 决策树是由节点和分支构成的
  • 难点是怎么从数据生成决策树
  • 信息:能消除不确定内容的才叫信息
  • ID3和C4.5是多叉树,CART是二叉树。样本量比较小的时候可以用C4.5,样本量比较大的使用CART算法。


  • 有一点三个臭皮匠顶个诸葛亮的感觉
  • 袋外数据:没有在训练时被抽中的数据。可以做为验证数据使用。


  • 聚类属于无监督学习的一种



课时13:机器学习PAI平台简单实现

第5章:深度学习基础

课时14:深度学习概述





  • 渐变是指梯度



  • 对卷积神经网络的支持特别好
  • torch是lua开发的
  • pytorch是torch的python版
  • caffe在计算机视觉的使用广泛





课时15:多层感知机


  • 感知机只能解决单纯的线性问题


  • 输入层,隐藏层,输出层
  • 隐藏层可以有一层,可以有多层


  • 存在梯度消失的情况
  • 存在梯度消失的情况
  • ReLU是现在目前最受欢迎的函数
  • 有部分神经元在训练的时很脆弱
  • 放在人工神经网络的隐藏层


- BP神经网络是一种按误差逆传播算法训练的多层神经网络

课时16:卷积神经网络

  • 通过特征提取和分类是吧完成对输入数据的判别
  • 2012年AlexNet网络取得成功,此后卷积神经网络被广泛用于各个领域











  • AlexNet是第一个现代深度卷积网络模型
  • 152层
  • 使用了跳跃链接
  • 缓解了梯度消失的问题





课时17:循环神经网络








  • 多对多:最经典的RNN结构,输入和输出序列必须是等长的。
  • LSTM:Long Short Term Memory
  • 循环神经网络最著名和成功的拓展


  • 门的结构很简单,就是一个Sigmoid层和一个点乘操作的组合
  • 因为sigmoid层的输出是0-1的值,这代表有多少信息能够流过Sigmoid层
  • 一个LTSM里面包含三个门来控制细胞状态






课时18:生成对抗网络


  • 近年来复杂分布上无监督学习最具前景的方法之一。
  • 判别模型(Discriminative Model)


  • 最终达到的判别概率大概是0.5








课时19:机器学习PAI平台简单实现

第7章:自然语言处理基础

课时26:自然语言处理基本介绍

















课时27:自然语言处理基础技术详细介绍



















  • BIOES









课时28:自然语言理解技术介绍与应用


课时29:自然语言生成技术介绍与应用

课时30:实验:自然语言处理简单实现


参考资料:

相关推荐
尘似鹤14 小时前
设计一个状态机
学习·状态模式·嵌入式软件
Coovally AI模型快速验证14 小时前
IDEA研究院发布Rex-Omni:3B参数MLLM重塑目标检测,零样本性能超越DINO
人工智能·深度学习·yolo·目标检测·计算机视觉·目标跟踪
Voyager_415 小时前
算法学习记录03——二叉树学习笔记:从两道题看透后序位置的关键作用
笔记·学习·算法
文火冰糖的硅基工坊15 小时前
[人工智能-大模型-19]:GitHub Copilot:程序员的 AI 编程副驾驶
人工智能·github·copilot
我先去打把游戏先17 小时前
ESP32学习笔记(基于IDF):ESP32连接MQTT服务器
服务器·笔记·单片机·嵌入式硬件·学习·esp32
shuououo17 小时前
YOLOv4 核心内容笔记
人工智能·计算机视觉·目标跟踪
deng-c-f20 小时前
Linux C/C++ 学习日记(29):IO密集型与CPU密集型、CPU的调度与线程切换
linux·学习·线程·cpu·io密集·cpu密集
DO_Community20 小时前
普通服务器都能跑:深入了解 Qwen3-Next-80B-A3B-Instruct
人工智能·开源·llm·大语言模型·qwen
WWZZ202520 小时前
快速上手大模型:机器学习3(多元线性回归及梯度、向量化、正规方程)
人工智能·算法·机器学习·机器人·slam·具身感知
deephub21 小时前
深入BERT内核:用数学解密掩码语言模型的工作原理
人工智能·深度学习·语言模型·bert·transformer