大数据与人工智能解惑精品PPT课件

人工智能应用1-围棋
人工智能应用2-聊天机器人
人工智能应用3-图片识别
"little girl is eating piece of cake."
人工智能应用4-人脸识别
人工智能应用5-图片文字提取
人工智能应用6-自动驾驶汽车
机器学习定义
Machine Learning(ML) is a scientific discipline that deals with the construction and study of algorithms that can learn from data. 机器学习是一门从数据中研究算法的科学学科。 机器学习直白来讲，是根据已有的数据，进行算法选择，并基于算法和数据构建 模型，最终对未来进行预测
大数据与人工智能 ------
2017年8月27日
主题
01 人工智能历史及发展
04
人工智能案例
02
人工智能产品
05
面对人工智能
03
机器学习
人工智能历史及发展
人工智能的历史 1956年达特茅斯会议召开，人工智能正式提上议程 智能时代什么时候来临？ 当机器拥有语音识别、图像识别、自然语音理解等这些 人最本质的智慧能力的时候，那么大数据人工智能 时代已经来临。
In order to better meet the needs of learning and using, the courseware is freely edited after downloading
新闻及政策预测投资走向
预测流程
特殊过滤
数据收集
数据处理
中文分词
文本向量化
信息抽取 情感分析
源自文库 分词操作
中文分词
向量表示
词向量表示 1：One-Hot稀疏编码 橙子 [1 0 0 0 0 ] 菠萝 [0 1 0 0 0 ] 2：Embedding稠密编码 橙子 [0.3 0.2]
向量标记训练
词编码训练 （Word2Vec） 1：基于上下文预测词 2：基于词预测上下文 可通过以下实现 1：python Gensim 工具包 2：world2Vec google开源
模型训练
投入模型进行训练 例如：卷积神经网络 CNN 基本原理：二维图像-->分解 方格-->卷积变换-->池化--> 取出最大值输出 (最终得出图像的类别)
模型训练
图像与单词连接 思路：一维单词--》二维矩阵 以单词向量作为输入 项目收益的波动作为输出
开发流程总结
一：数据来源 1：网络爬虫 2：开源工具 3：大数据平台
智能投资 算法模型 定量分析 多样化 短中期 风险最小化
主观投资 主观经验 定性分析 少数品种 中长期 风险考虑不全
人工智能应用开发流程
数据收集
数据清洗
特征工程
数据建模
面对人工智能
如果你是下面的行业 1：司机 2：医生 3：记者 4：翻译 5：会计 6：律师 你应该怎么办？
Q&A
为更好满足学习和使用需求，课件在下载后 可以自由编辑，请根据实际情况进行调整
二：预测步骤 1 : 数据清洗 例如通过jieba分词系统 分词、过滤等操作 2：通过 python中的 numpy、pandas、Matplotlib完成数据预处理及特
征提取操作 3：通过tensorflow、tflearn深度学习工具包进行深度学习建模。
智能与非智能比较
对比：
分析依据 分析方法 分析品种 投资周期 风险控制
深度学习
卷积神经网络(CNN) (Convolutional Neural Network) 应用场景：图像识别、视频分析
深度学习
循环神经网络(RNN) (Recurrent Neural Network) 应用场景：语音识别、自然语言处理
智能P2P投资系统
投资策略 1：选择项目 2：选择时间 3：风险控制 4：买入项目 5：卖出项目
机器学习算法
1：传统模型算法 2：深度学习算法
传统算法
1：决策树算法 2：K-近邻算法 3：支持向量机(SVN) 4：关联分析(Apriori) 5：隐马尔科夫模型(HMM) 6：AdaBoost算法 7：朴素贝叶斯算法 ......
深度学习
深度神经网络(DNN) (Deep Neural Network) 应用场景：搜索排序、推荐排序