- 影响人工智能发展的重要因素：计算能力、数据大小、算法发展

- 使用场景：无人驾驶的场景识别、图片艺术化、医用彩超辨别、需求销量等数据预测

- 机器学习领域：自然语言处理、图像识别、传统预测

- 机器学习库和框架：scikit learn（机器学习）、tensorflow（深度学习）

- 书籍：统计学习方法、机器学习、python数据分析与挖掘实战、机器学习系统设计、面向机器智能tensorflow实践

- 课程概要：特征工程、模型策略优化、分类回归聚类、tensorflow、神经网络、图像识别、自然语言处理

集合创建和删除

1.使用{}创建集合对象，并使用add（）方法添加元素

2.使用set（），将列表、元组等可迭代对象转出集合。如果原来数据存在重复数据，则只保留一个。

3.remove()删除指定元素；clear（）清空整个集合

Step 2：预处理

Step 1：创建自定义数据集

w = torch.rand(16, 3, 5, 5)

= (ker_num, input_channel, ker_size, ker_size)

Input_channels:

• 黑白：1
• 彩色：3

Stocastic: 随即筛选样本

val_set: for detecting overfitting

torch.nn.function

.matmul() 取后两维相乘

unsqueeze:

正：在之前插入

负：在之后插入

.index_select(0, [0, 2])

torch.tensor([2., 3.2])

torch.FloatTensor(2, 3)

Unintialized: 未初始化的tensor

增强学习一般用 DoubleTensor

字典元素添加、修改、删除

1.给字典新增“键值对”。如果“键”存在，则覆盖旧的键值对；如果“键”不存在，则新增“键值对”。

2.使用update（）将新字典所有键值对全部添加到旧字典对象上。如果key有重复，则直接覆盖。

3.字典中元素的删除，可以使用del（）方法；或clear（）删除所有键值对；pop（）指定键值对，并返回对应的“值对象”；

4.popitem（）：随机删除和返回改键值对。

字典元素的访问

1.通过【键】获得“值”。若键不存在，则抛出异常。

2.通过get（）方法获得“值”。推荐使用。有点是：指定键不存在，返回None；也可以设定指定键不存在时默认返回的对象。推荐使用get（）获取“值对象”。

3.列出所有的键值对

4.列出所有的键，列出所有的值

5.len（）键值对的个数

6.检测一个“键”是否在字典中

字典的创建

1..通过{}、dict（）来创建字典对象。

2.通过zip（）创建字典对象

3.通过fromkeys创建值为空的字典

几何概率：与构成事件的长、面积、体积 成比例；

几何概率特点：基本事件 的无限性（抽象）、等可能性；

古典概型特点：基本事件 的有限性（具象）、等可能性；

元祖总结

       1.元祖的核心：不可变序列

2.元祖的访问速度和处理速度比列表快

3.与整数和字符串一样，元祖可以作为字典的