BasisofArtificialIntelligenceApplication人工智能應(yīng)用基礎(chǔ)模塊六AI應(yīng)用與創(chuàng)新實踐01小張是公司的IT技術(shù)人員，他看到公司里的工人每天要對零件進行質(zhì)量檢測，速度慢，工人又很辛苦。他想到了借助人工智能開放平臺的功能，自己上傳一些良品及不良品零件圖片，再利用這兩類圖片訓(xùn)練出適用于自己公司的零件質(zhì)量分類模型。求人不如求己！讓我們一起學一學AI典型應(yīng)用，訓(xùn)練自己的分類模型！創(chuàng)新體驗：利用百度EasyDL訓(xùn)練自己的AI模型網(wǎng)絡(luò)通信正常已安裝Anaconda集成環(huán)境已注冊百度用戶并安裝SDK1、任務(wù)描述任務(wù)六：創(chuàng)建發(fā)布分類模型準備圖片數(shù)據(jù)集在百度平臺創(chuàng)建模型

訓(xùn)練模型開放模型并通過手機查看效果2、環(huán)境要求3、任務(wù)設(shè)計本次任務(wù)是借助百度EasyDL平臺，基于兩類圖片訓(xùn)練并開放分類模型。效果如下所示。1.了解AI在各行業(yè)的典型應(yīng)用

2.了解AI應(yīng)用研究熱點3.了解AI與職業(yè)規(guī)劃4.了解AI與專業(yè)創(chuàng)新5.會創(chuàng)建并訓(xùn)練AI模型

6.培養(yǎng)專業(yè)創(chuàng)新意識重點:1.AI在各行業(yè)中的應(yīng)用2.

AI與職業(yè)規(guī)劃

3.AI創(chuàng)新創(chuàng)業(yè)案例難點:1.AI研究熱點2.創(chuàng)建并訓(xùn)練分類模型知識?技能?素質(zhì)重難點人工智能應(yīng)用基礎(chǔ)BasisofArtificialIntelligenceApplication1、AI在各行業(yè)的典型應(yīng)用2、AI應(yīng)用研究熱點3、AI與職業(yè)規(guī)劃4、AI與專業(yè)創(chuàng)新5、任務(wù)六：創(chuàng)建發(fā)布分類模型1、計算機視覺應(yīng)用6.1AI在各行業(yè)的典型應(yīng)用車間工人正在抽查電池片質(zhì)量自動檢測缺陷1、計算機視覺應(yīng)用6.1AI在各行業(yè)的典型應(yīng)用智能分揀2、設(shè)備預(yù)測性維護6.1AI在各行業(yè)的典型應(yīng)用制造流水線上有大量的工業(yè)機器人。如果其中一個機器人出現(xiàn)了故障，當人感知到這個故障時，可能已造成大量的不合格品，從而帶來不小的損失。如果能在故障發(fā)生以前就檢知的話，可以有效做出預(yù)防，減少損失?；谌斯ぶ悄芎虸oT技術(shù)，通過在工廠各個設(shè)備加裝傳感器，對設(shè)備運行狀態(tài)進行監(jiān)測，并利用神經(jīng)網(wǎng)絡(luò)建立設(shè)備故障的模型，則可以在故障發(fā)生前，對故障提前進行預(yù)測，在發(fā)生故障前，將可能發(fā)生故障的工件替換，從而保障設(shè)備的持續(xù)無故障運行?？傮w來講，AI故障預(yù)測還處于試點階段，成熟運用較少。傳統(tǒng)制造企業(yè)的設(shè)備沒有足夠的數(shù)據(jù)收集傳感器，也沒有積累足夠的數(shù)據(jù);很多工業(yè)設(shè)備對可靠性的要求極高，即便機器預(yù)測準確率很高，如果不能達到100%，依舊難以被接受。3、AI+機器人6.1AI在各行業(yè)的典型應(yīng)用餐飲機器人:擎朗送餐機器人:激光雷達機器視覺深度視覺聲納傳感器紅外感應(yīng)觸碰傳感器聽覺傳感器紅外距離傳感器加速度傳感器陀螺儀傳感器4、AI+教育6.1AI在各行業(yè)的典型應(yīng)用AI+教育:/x/page/x096912lrf3.htmlAI在教育領(lǐng)域的一些應(yīng)用，包括：能夠批改學生文字作業(yè)的AI回答學生問題的機器人輔導(dǎo)學生的虛擬個人助理提供身臨其境動手學習的虛擬現(xiàn)實和計算機視覺模擬和游戲化教學平臺等等5、AI+金融6.1AI在各行業(yè)的典型應(yīng)用量化派：數(shù)據(jù)+AI驅(qū)動，推動金融機構(gòu)全流程數(shù)字化轉(zhuǎn)型量化派金融平臺圖片來源：億歐智庫冰鑒科技智能風控圖片來源：億歐智庫6、AI+營銷6.1AI在各行業(yè)的典型應(yīng)用AI+營銷:/article/45660

AI在營銷領(lǐng)域的一些應(yīng)用，包括：AI可以減少購物車棄置現(xiàn)象AI促進了語音和圖像搜索的興起人工智能讓營銷人員更輕松地瞄準特定的客戶人工智能可以改善搜索結(jié)果AI可以讓企業(yè)留住客戶7、AI+農(nóng)業(yè)6.1AI在各行業(yè)的典型應(yīng)用AI+農(nóng)業(yè):/info/1015/6454.htm荷蘭的農(nóng)業(yè)科技公司Connecterra阿里的ET農(nóng)業(yè)大腦1、AI在各行業(yè)的典型應(yīng)用2、AI應(yīng)用研究熱點3、AI與職業(yè)規(guī)劃4、AI與專業(yè)創(chuàng)新5、任務(wù)六：創(chuàng)建發(fā)布分類模型當前，智能接口、數(shù)據(jù)挖掘、主體及多主體系統(tǒng)是人工智能研究的三個熱點。1、AI研究的三個熱點6.2AI應(yīng)用研究熱點智能接口技術(shù)是研究如何使人們能夠方便自然地與計算機交流。為了實現(xiàn)這一目標，要求計算機能夠看懂文字、聽懂語言、說話表達，甚至能夠進行不同語言之間的翻譯，而這些功能的實現(xiàn)又依賴于知識表示方法的研究。數(shù)據(jù)挖掘就是從大量的、不完全的、有噪聲的、模糊的、隨機的實際應(yīng)用數(shù)據(jù)中提取隱含在其中的、人們事先不知道的、但是又潛在有用的信息和知識的過程。主體系統(tǒng)是具有信念、愿望、意圖、能力、選擇、承諾等心智狀態(tài)的實體，具有一定的自主性。多主體系統(tǒng)主要研究在邏輯上或物理上分離的多個主體之間進行協(xié)調(diào)智能行為，最終實現(xiàn)問題求解。2、AI應(yīng)用研究6.2AI應(yīng)用研究熱點觀察比較AI在各個行業(yè)的應(yīng)用現(xiàn)狀分析AI在各個領(lǐng)域的潛力各行業(yè)的AI基礎(chǔ)安防金融零售交通教育醫(yī)療制造健康通信旅游文娛能源地產(chǎn)可獲取的數(shù)據(jù)量★★★★★★★★★★★★★★☆★☆★★★☆數(shù)據(jù)歷史積累程度★★★★★☆★☆★☆☆★★☆★★☆☆★☆★☆數(shù)據(jù)儲存流程成熟度★★★★★☆★☆☆★☆★★★☆☆☆數(shù)據(jù)整潔度★★★★☆★☆☆★☆★★★☆★☆★☆☆★☆★數(shù)據(jù)記錄與說明文檔★★★★★☆★★★★☆★☆★★☆★★☆★工作流自動化程度★★★☆☆☆★☆★★★★★☆★☆☆I(lǐng)T系統(tǒng)對AI友好度★★★☆☆☆★★☆☆★☆☆☆★☆A(yù)I應(yīng)用場景清晰程度★★★★★★★★★★★★★☆★★★☆★★★☆A(yù)I運用準備的成熟度★☆★☆★☆★☆★★★☆☆★★☆☆☆A(yù)I應(yīng)用部署的歷史經(jīng)驗★☆★☆★★☆☆☆★☆★★☆☆☆☆A(yù)I解決方案供應(yīng)商情況★☆★☆★☆★★★☆★☆★☆★★★★★☆☆☆★☆組織機構(gòu)戰(zhàn)略與文化★★★☆★★★★★☆★☆★★☆★★★★★總分★★★★★★★★★★★☆★☆★★★★★★★★：較成熟★☆：接近成熟★：有一定的基礎(chǔ)☆：相對較弱1、AI在各行業(yè)的典型應(yīng)用2、AI應(yīng)用研究熱點3、AI與職業(yè)規(guī)劃4、AI與專業(yè)創(chuàng)新5、任務(wù)六：創(chuàng)建發(fā)布分類模型麥肯錫報告:自動化對就業(yè)的潛在影響因職位種類和行業(yè)部門不同而異，其中最容易受到自動化影響的是那些涉及在可預(yù)測環(huán)境中進行物理活動的工作類型。例如機械操作，快餐準備，以及數(shù)據(jù)收集和處理，這將取代大量勞動力，包括抵押貸款發(fā)放、律師助理事務(wù)、會計和后臺事務(wù)處理等崗位。受自動化影響較小的崗位通常涉及管理、應(yīng)用專業(yè)技術(shù)跟社會互動，因為機器在這些方面的表現(xiàn)還無法超越人類。在不可預(yù)測環(huán)境下的一些相對低收入崗位受自動化的程度也會較低，例如園藝工人、水管工、兒童和老人護理人員。一方面由于他們的技能很難實現(xiàn)自動化，另一方面，由于這類崗位工資較低，而自動化成本又相對較高，因此推動這類勞動崗位自動化的動力較小。1、機器人取代部分人類工作6.3AI與職業(yè)規(guī)劃高風險的崗位：人工智能替代的工作崗位，并不是一定是所謂低端崗位，有些是需要信息積累、數(shù)據(jù)分析、經(jīng)驗判斷這樣的高級崗位，這些基于人的知識積累和判斷力的崗位都有被信息更豐富、判斷更準確快速的人工智能所代替的可能，而事實上，現(xiàn)在很多金融、教育、法律等方面的工作，已經(jīng)在用程序來完成了（華爾街的交易員越來越少了）。類似于裝修、家政之類的簡單勞動，因為可替代價值低，替代成本高，可能更會長期存在（麥肯錫報告）。以下僅列出被淘汰概率超過90%的工種，概率從高到低依次為：電話推銷員、打字員、會計、保險業(yè)務(wù)員、銀行職員、前臺、客服、人力資源部門、保安2、消失與新增的崗位6.3AI與職業(yè)規(guī)劃2、消失與新增的崗位6.3AI與職業(yè)規(guī)劃穩(wěn)定的崗位：藝術(shù)家、音樂家、科學家：創(chuàng)造力、思考能力和審美能力律師、法官：

基于社會公義、法律量刑和人情世故作出判斷的微妙平衡的能力牙醫(yī)、理療師：在倫理上、技術(shù)操作上都很難完全被取代建筑師：創(chuàng)意、審美、空間感、建筑理念和抽象的判斷

公關(guān)：情感心理醫(yī)生：情緒管理教師：機器或許能夠講解一些知識，但卻無法交流育人2、消失與新增的崗位6.3AI與職業(yè)規(guī)劃新崗位的誕生：需要與AI系統(tǒng)一起工作以完成復(fù)雜任務(wù)的參與工作：如使用AI應(yīng)用程序協(xié)助常規(guī)的護士對病人的檢查開發(fā)工作，創(chuàng)建AI技術(shù)和應(yīng)用程序：

如數(shù)據(jù)庫科學家和軟件開發(fā)人員監(jiān)控，許可或維修AI系統(tǒng)的監(jiān)督工作：

如維護AI機器人的技術(shù)人員響應(yīng)AI驅(qū)動的范式轉(zhuǎn)變的工作：

例如律師圍繞AI創(chuàng)建法律框架，

或創(chuàng)建可容納自主車輛的環(huán)境的城市規(guī)劃者3、AI與職業(yè)規(guī)劃6.3AI與職業(yè)規(guī)劃人工智能技術(shù)9大類57個核心崗位1、AI在各行業(yè)的典型應(yīng)用2、AI應(yīng)用研究熱點3、AI與職業(yè)規(guī)劃4、AI與專業(yè)創(chuàng)新5、任務(wù)六：創(chuàng)建發(fā)布分類模型1、AI+無人機創(chuàng)新應(yīng)用6.4利用開放平臺創(chuàng)新創(chuàng)業(yè)洛杉磯大火,無人機獲取圖像，助力火災(zāi)房屋定損無人機進行電力線路巡檢智能垃圾分類是上海市盧灣高級中學同學們的作品。解決了垃圾分類的痛點，清潔工再也不用問這是什么垃圾，AI現(xiàn)在直接就可以指出，這是可回收垃圾。2、學生創(chuàng)新案例16.4利用開放平臺創(chuàng)新創(chuàng)業(yè)智能分類垃圾桶：借用商湯平臺技術(shù)來自北京林業(yè)大學的學生科研團隊，在飛槳PaddlePaddle

深度學習開源框架的幫助下，研發(fā)出能準確識別、監(jiān)測樹木害蟲的“AI識蟲”系統(tǒng)。過去一周的工作，如今可以一小時搞定。2、學生創(chuàng)新案例26.4利用開放平臺創(chuàng)新創(chuàng)業(yè)改進蟲類誘捕器：借用飛槳

PaddlePaddle

廣西科技大學、柳州源創(chuàng)電噴技術(shù)有限公司與百度共同協(xié)作，利用EasyDL

研發(fā)汽車噴油嘴智能檢測設(shè)備。目前該設(shè)備已上線，日檢測零件2000件，識別準確率達95%，每年能為企業(yè)節(jié)約60萬元成本。2、學生創(chuàng)新案例36.4利用開放平臺創(chuàng)新創(chuàng)業(yè)零件檢測：借用百度EasyDL平臺1、AI在各行業(yè)的典型應(yīng)用2、AI應(yīng)用研究熱點3、AI與職業(yè)規(guī)劃4、AI與專業(yè)創(chuàng)新5、任務(wù)六：創(chuàng)建發(fā)布分類模型網(wǎng)絡(luò)通信正常已安裝Anaconda集成環(huán)境已注冊百度用戶并安裝SDK1、任務(wù)描述任務(wù)六：創(chuàng)建發(fā)布分類模型準備圖片數(shù)據(jù)集在百度平臺創(chuàng)建模型

訓(xùn)練模型開放模型并通過手機查看效果2、環(huán)境要求3、任務(wù)設(shè)計本次任務(wù)是借助百度EasyDL平臺，基于兩類圖片訓(xùn)練并開放分類模型。效果如下所示。｝任務(wù)一請掃碼完成百度平臺注冊準備包含若干類別的圖片數(shù)據(jù)集，并進行壓縮，本次實驗數(shù)據(jù)集由教師發(fā)放，包含cat、dog兩個類別，分別以文件夾的名字作為類別名稱將所有類別為貓的圖片放入①cat文件夾

，將所有類別為狗的圖片放入dog文件夾，將cat和dog兩個文件夾合并壓縮，壓縮文件名為②kaggle.zip或kaggle.rar①③④②⑥⑤準備圖片數(shù)據(jù)集并登錄平臺4、任務(wù)實施登錄平臺

③

/easyDL進入“EasyDL零門檻AI開發(fā)平臺”場景④

EasyDL圖像

⑤圖像分類

跳轉(zhuǎn)至”EasyDL圖像”新頁面

⑥立即使用跳轉(zhuǎn)至新頁面

⑦選擇模型類型

⑧圖像分類任務(wù)六：創(chuàng)建發(fā)布分類模型4、任務(wù)實施關(guān)鍵步驟⑨上傳數(shù)據(jù)⑩創(chuàng)建模型?訓(xùn)練模型?發(fā)布模型?創(chuàng)建應(yīng)用?APP體驗⑩??⑨任務(wù)六：創(chuàng)建發(fā)布分類模型4、任務(wù)實施⑨上傳數(shù)據(jù)

⑩創(chuàng)建模型

?訓(xùn)練模型

?發(fā)布模型

?創(chuàng)建應(yīng)用

?APP體驗數(shù)據(jù)總覽

創(chuàng)建數(shù)據(jù)集

填寫數(shù)據(jù)集名稱

完成(進入下一個界面)導(dǎo)入導(dǎo)入數(shù)據(jù)導(dǎo)入方式：本地導(dǎo)入

上傳壓縮包標注格式：以文件夾命名分類上傳壓縮包：上傳壓縮包kaggle.zip

確認并返回任務(wù)六：創(chuàng)建發(fā)布分類模型4、任務(wù)實施⑨上傳數(shù)據(jù)

⑩創(chuàng)建模型

?訓(xùn)練模型

?發(fā)布模型

?創(chuàng)建應(yīng)用

?APP體驗⑩創(chuàng)建模型

模型名稱：（自行填寫）您的身份：學生學校名稱：（自行填寫）郵箱地址：（自行填寫）聯(lián)系方式：（自行填寫）

業(yè)務(wù)描述：（自行填寫）

完成

進入訓(xùn)練模型界面任務(wù)六：創(chuàng)建發(fā)布分類模型4、任務(wù)實施?訓(xùn)練模型

點擊訓(xùn)練模型添加數(shù)據(jù)集+請選擇

選擇數(shù)據(jù)集

采用默認訓(xùn)練配置

點擊“開始訓(xùn)練”訓(xùn)練需要10-20分鐘⑨上傳數(shù)據(jù)

⑩創(chuàng)建模型

?訓(xùn)練模型

?發(fā)布模型

?創(chuàng)建應(yīng)用

?APP體驗任務(wù)六：創(chuàng)建發(fā)布分類模型4、任務(wù)實施⑨上傳數(shù)據(jù)

⑩創(chuàng)建模型

?訓(xùn)練模型

?發(fā)布模型

?創(chuàng)建應(yīng)用

?APP體驗?發(fā)布模型

等待訓(xùn)練完成

點擊“申請發(fā)布”

服務(wù)名稱：（自行填寫，不重名）接口地址：（自行填寫，不重名）

其它要求：（自行填寫，可省略）

點擊“提交申請”

進入公有云部署界面

點擊“服務(wù)詳情”??任務(wù)六：創(chuàng)建發(fā)布分類模型4、任務(wù)實施我們已經(jīng)完成了模型創(chuàng)建、模型訓(xùn)練、模型發(fā)布流程，后續(xù)將成為模型調(diào)用者，體驗?zāi)Ｐ托Ч嵘蟼鲾?shù)據(jù)

⑩創(chuàng)建模型

?訓(xùn)練模型

?發(fā)布模型

?創(chuàng)建應(yīng)用

?APP體驗?創(chuàng)建應(yīng)用

服務(wù)詳情

立即使用

在下一界面點擊“創(chuàng)建新應(yīng)用”

應(yīng)用名稱：（自行填寫）應(yīng)用描述：（自行填寫）

點擊“立即創(chuàng)建”

進入應(yīng)用管理界面新創(chuàng)建的模型，跟其它實驗一樣，需要創(chuàng)建應(yīng)用，獲取AK/SK序號應(yīng)用名稱AppIDAPIKeySecretKey1我的貓狗分類19134056lbzE86Z…******顯示2金魚金龍魚分類25435268OVI3jnr…******顯示任務(wù)六：創(chuàng)建發(fā)布分類模型4、任務(wù)實施⑨上傳數(shù)據(jù)

⑩創(chuàng)建模型

?訓(xùn)練模型

?發(fā)布模型

?創(chuàng)建應(yīng)用

?APP體驗??APP體驗

點擊“體驗H5”

調(diào)用APP:（選擇）

點擊“下一步”

填寫相關(guān)信息

點擊“生成H5”掃碼即可體驗自己的模型任務(wù)六：創(chuàng)建發(fā)布分類模型常見問題一：數(shù)據(jù)集數(shù)據(jù)標注狀態(tài)：未修改默認設(shè)置⊙無標注信息標注格式：未修改默認設(shè)置⊙以文件夾命名分類json（平臺通用）建議：重新準備數(shù)據(jù)集，采用新名稱、新設(shè)置5、常見問題常見問題二：模型發(fā)布服務(wù)名稱重復(fù)接口地址被占用注意：模型發(fā)布，意味著您將成為服務(wù)提供者，接口是全球唯一的，故需慎重任務(wù)六：創(chuàng)建發(fā)布分類模型本次項目利用百度EasyDL平臺訓(xùn)練了分類模型。在此基礎(chǔ)上，學員們可以進一步探索：深入創(chuàng)新：我已經(jīng)不滿足于貓狗分類了，是否可以進一步訓(xùn)練其它動植物的分類？

更進一步，我能否訓(xùn)練兩類零件的分類模型？遷移創(chuàng)新：既然我已經(jīng)擁有了自己的模型，能否象文字識別、語音合成等應(yīng)用一樣，自己編寫代碼來調(diào)用模型？6、拓展創(chuàng)新深入創(chuàng)新建議：收集幾類物品，按規(guī)范精心準備數(shù)據(jù)集，即可訓(xùn)練自定義分類模型。通過檢驗?zāi)Ｐ?，逐步提高精度?/p>

遷移創(chuàng)新建議：通過創(chuàng)建相關(guān)應(yīng)用，獲取AK、SK，根據(jù)接口地址即可調(diào)用相關(guān)服務(wù)。代碼可參照智能問答任務(wù)，可咨詢授課教師。任務(wù)六：創(chuàng)建發(fā)布分類模型BasisofArtificialIntelligenceApplication人工智能應(yīng)用基礎(chǔ)模塊七機器學習概述07每分鐘的鳴叫聲與溫度（攝氏度）的關(guān)系人們早就知曉，相比涼爽的天氣，蟋蟀在較為炎熱的天氣里鳴叫更為頻繁。數(shù)十年來，專業(yè)和業(yè)余昆蟲學者已將每分鐘的鳴叫聲和溫度方面的數(shù)據(jù)編入目錄?，F(xiàn)在，我們已經(jīng)擁有蟋蟀數(shù)據(jù)庫，希望利用該數(shù)據(jù)庫訓(xùn)練一個模型，從而預(yù)測鳴叫聲與溫度的關(guān)系。我們首先將數(shù)據(jù)繪制成圖表，了解數(shù)據(jù)的分布情況，如圖左側(cè)所示?？梢园l(fā)現(xiàn)，數(shù)據(jù)的分布接近一條直線。如何讓機器自動學習這些數(shù)據(jù)，生成預(yù)測模型？任務(wù)七：線性回歸算法預(yù)測網(wǎng)絡(luò)通信正常已安裝Anaconda集成環(huán)境已安裝百度SDK并注冊用戶1、任務(wù)描述導(dǎo)入sklearn庫并生成模擬數(shù)據(jù)從sklearn庫中導(dǎo)入線性回歸模型構(gòu)造線性回歸對象，并訓(xùn)練模型回歸預(yù)測并繪圖呈現(xiàn)效果2、環(huán)境要求3、任務(wù)設(shè)計本次任務(wù)借助sklearn機器學習庫，對一組給定的數(shù)據(jù)，建立回歸模型。效果如下所示。原始數(shù)據(jù)回歸預(yù)測｝任務(wù)一請掃碼完成安裝Anaconda環(huán)境1.熟悉機器學習的概念2.了解機器學習的數(shù)學基礎(chǔ)3.了解機器學習的分類4.了解機器學習的常用算法5.能用線性回歸算法進行預(yù)測6.培養(yǎng)代碼編寫質(zhì)量意識重點:1.機器學習的概念2.機器學習的常用算法3.回歸算法實踐難點:1.機器學習的常用算法2.回歸算法實踐知識?技能?素質(zhì)重難點人工智能應(yīng)用基礎(chǔ)BasisofArtificialIntelligenceApplication1、機器學習的概念2、機器學習的數(shù)學基礎(chǔ)3、機器學習的分類4、機器學習的常用算法5、機器學習的典型應(yīng)用6、任務(wù)七：線性回歸算法預(yù)測機器學習（MachineLearning）是使用數(shù)據(jù)和算法來模仿人類的學習方式，逐漸優(yōu)化模型，以提高預(yù)測準確性的一個研究領(lǐng)域。機器學習是人工智能和計算機科學的一個分支，更是人工智能核心和基礎(chǔ)。機器學習概念圖1、機器學習的定義7.1機器學習的概念機器從經(jīng)驗

中學習？人類從經(jīng)驗

中學習機器遵守指令數(shù)據(jù)1、機器學習的定義7.1機器學習的概念

首先需要一組數(shù)據(jù)-訓(xùn)練數(shù)據(jù)集；其次，通過一些機器學習算法進行訓(xùn)練；最后，訓(xùn)練得到的模型可以用于對新的數(shù)據(jù)（測試數(shù)據(jù)集）進行處理（預(yù)測）。

人類在成長、生活過程中積累了不少的經(jīng)驗。我們需要對這些經(jīng)驗進行歸納，并獲得一些規(guī)律。

機器學習中的“訓(xùn)練”與“預(yù)測”過程可以對應(yīng)到人類的“歸納”和“推測”過程。

訓(xùn)練

模型

模型

預(yù)測經(jīng)驗數(shù)據(jù)模型規(guī)律新的問題新的問題未知屬性未來預(yù)測推測機器學習主要包括有監(jiān)督學習中的分類、回歸等，無監(jiān)督學習中的聚類等基礎(chǔ)研究方向，常用算法有支持向量機、神經(jīng)網(wǎng)絡(luò)、線性回歸、K均值聚類等。在用戶畫像、商品圖片分類、個人彺信評估等方面取得了良好的應(yīng)用。機器學習常用算法及應(yīng)用2、機器學習算法框架7.1機器學習的概念用戶畫像商品圖片分類個人彺信評估電影票房預(yù)測高維數(shù)據(jù)可視化業(yè)務(wù)場景支持向量機樸素貝葉斯K近鄰決策樹線性回歸嶺回歸K均值聚類層次聚類TSNE降維主成分分析常用算法邏輯回歸神經(jīng)網(wǎng)絡(luò)LASSO回歸譜聚類局部線性嵌入分類…研究方向回歸聚類降維有監(jiān)督學習方法無監(jiān)督學習方法3、機器學習的一般流程源數(shù)據(jù)特征產(chǎn)生建立模型應(yīng)用結(jié)果訓(xùn)練模型訓(xùn)練集模型評估7.1機器學習的概念1、機器學習的概念2、機器學習的數(shù)學基礎(chǔ)3、機器學習的分類4、機器學習的常用算法5、機器學習的典型應(yīng)用6、任務(wù)七：線性回歸算法預(yù)測1、向量7.2機器學習的數(shù)學基礎(chǔ)在開始應(yīng)用各種機器學習方法訓(xùn)練樣本數(shù)據(jù)時,首先要對樣本數(shù)據(jù)進行各種處理,使得樣本數(shù)據(jù)符合機器學習算法的要求。樣本通常以向量的形式描述，并組成數(shù)據(jù)集（DataSet）序號顏色形狀重量（克）類別1紅圓180蘋果2黃彎月120香蕉3紅圓12櫻桃4黃圓50桔子5紅圓161蘋果樣本序號樣本屬性類別標簽1[11180]12[22120]23[1112]34[2150]45[11165]1｝數(shù)據(jù)集

2、距離(舉例)

7.2機器學習的數(shù)學基礎(chǔ)

距離、相似度、誤差等，有多種形式，如歐氏距離、閔可夫斯基距離、漢明距離、余弦相似度等

1、機器學習的概念2、機器學習的數(shù)學基礎(chǔ)3、機器學習的分類4、機器學習的常用算法5、機器學習的典型應(yīng)用6、任務(wù)七：線性回歸算法預(yù)測1、有監(jiān)督學習7.3機器學習的分類分類示意圖回歸示意圖

2、無監(jiān)督學習7.3機器學習的分類聚類示意圖

無監(jiān)督學習（unsupervisedlearning）指的是在輸出值未知的情況下，訓(xùn)練出一個模型，即從未被標記的輸入數(shù)據(jù)中挖掘出潛在的結(jié)構(gòu)。主要方法有聚類及關(guān)聯(lián)規(guī)則分析。監(jiān)督學習無監(jiān)督學習目標明確目標不明確訓(xùn)練數(shù)據(jù)已被標記訓(xùn)練數(shù)據(jù)未被標記效果容易評估效果較難評估關(guān)聯(lián)分析：啤酒與尿布3、遷移學習7.3機器學習的分類遷移學習：象人類一樣,舉一反三

遷移學習（TransferLearning）是把一個領(lǐng)域（即源領(lǐng)域）的知識，遷移到另外一個領(lǐng)域（即目標領(lǐng)域），使得目標領(lǐng)域能夠取得更好的學習效果。4、強化學習7.3機器學習的分類強化學習（ReinforcementLearning，RL），又稱再勵學習、評價學習或增強學習，是機器學習的范式和方法論之一，用于描述和解決智能體（Agent）在與環(huán)境的交互過程中通過學習策略以達成回報最大化或?qū)崿F(xiàn)特定目標的問題。通過“好奇心”驅(qū)動學習在這個游戲中，小蛇學習收集能增加獎勵的綠球，同時避開能減少獎勵的紅球，這些是通過“好奇心”機制實現(xiàn)的強化學習機制Agent

強化學習案例下列需求屬于什么問題？7.3機器學習的分類

無監(jiān)督學習：聚類。僅基于輸入數(shù)據(jù)對數(shù)據(jù)進行分組和解釋。有監(jiān)督學習：分類、回歸。基于輸入和輸出數(shù)據(jù)開發(fā)預(yù)測模型。1、若無成績信息，僅挖掘個人興趣愛好等信息，則是一個聚類問題。

2、若有部分成績信息，將來要預(yù)測其余成績：1）若成績以等級制描述，則為分類問題。2）若成績以數(shù)值描述，則為回歸問題。1、機器學習的概念2、機器學習的數(shù)學基礎(chǔ)3、機器學習的分類4、機器學習的常用算法5、機器學習的典型應(yīng)用6、任務(wù)七：線性回歸算法預(yù)測1、線性回歸7.4機器學習的常用算法y=kx+b/machine-learning/crash-course/introduction-to-neural-networks/playground-exercises2、支持向量機7.4機器學習的常用算法支持向量機（a）原始分類問題（b）（c）3、決策樹7.4機器學習的常用算法決策樹-西瓜甜不甜？大小大小圓彎月紅黃顏色櫻桃香蕉形狀蘋果桔子決策樹-什么水果？紋理=？清晰色澤=？根蒂=？好瓜壞瓜觸感=？壞瓜清晰模糊好瓜壞瓜蜷縮稍蜷硬挺硬滑軟粘觸感=？好瓜壞瓜青綠烏黑淺白好瓜壞瓜硬滑軟粘4、K近鄰算法7.4機器學習的常用算法K近鄰算法金色圓圈屬于哪一個類別呢？優(yōu)點：簡單，易于理解，無需建模與訓(xùn)練，易于實現(xiàn)；適合對稀有事件進行分類；適合與多分類問題，例如根據(jù)基因特征來判斷其功能分類，KNN比SVM的表現(xiàn)要好。缺點：惰性算法，內(nèi)存開銷大，對測試樣本分類時計算量大，性能較低；可解釋性差，無法給出決策樹那樣的規(guī)則。？5、K均值聚類算法7.4機器學習的常用算法K均值聚類算法過程示例(圖源：data-analysis-stats.jp/)N更新簇內(nèi)質(zhì)心在數(shù)據(jù)集中隨機選取K個點作為初始聚類質(zhì)心計算剩余樣本點到聚類質(zhì)心距離并將其分配到距離最近的簇內(nèi)樣本所屬的簇未改變結(jié)束K-Means開始K-MeansYK均值聚類算法描述1、機器學習的概念2、機器學習的數(shù)學基礎(chǔ)3、機器學習的分類4、機器學習的常用算法5、機器學習的典型應(yīng)用6、任務(wù)七：線性回歸算法預(yù)測1、虛擬個人助理7.5機器學習的典型應(yīng)用我今天的日程安排是什么？從德國到倫敦的航班是什么？第二天早上6點設(shè)置鬧鐘！后天提醒我訪問簽證辦事處！典型案例：度秘、Siri、小冰2、交通預(yù)測道路擁堵情況嗎？交通流量會怎樣變化？優(yōu)化交通信號燈的配時！調(diào)整公共交通線路！典型案例：打車軟件估算通過預(yù)測乘客需求及交通狀況，估算價格的漲跌3、社交媒體服務(wù)7.5機器學習的典型應(yīng)用你的朋友列表？你經(jīng)常訪問的資料？你的興趣愛好？你的工作場所？你與他人分享的群？目標：向你推薦可能最成為你社交新朋友的人推薦你可能認識的人：社交媒體4、視頻監(jiān)控跟蹤人們的不尋常行為長時間不動地站著？絆倒了？在長椅上打盹？目標：在犯罪事件發(fā)生之前將其檢測出來5、智能客服7.5機器學習的典型應(yīng)用聊天行為變得更人性化更好地理解用戶查詢?yōu)橛脩籼峁└玫拇鸢改繕耍禾嵘奶鞕C器人的體驗，以更好地替代人類客服6、商品推薦你的行為特點你的購買歷史你的喜好和品牌

目標：向用戶推薦符合其喜好的商品，提升用戶的購物體驗。通過個性化推薦，提高用戶的購買率和滿意度1、機器學習的概念2、機器學習的數(shù)學基礎(chǔ)3、機器學習的分類4、機器學習的常用算法5、機器學習的典型應(yīng)用6、任務(wù)七：線性回歸算法預(yù)測任務(wù)七：線性回歸算法預(yù)測網(wǎng)絡(luò)通信正常已安裝Anaconda集成環(huán)境已安裝百度SDK并注冊用戶1、任務(wù)描述導(dǎo)入sklearn庫并生成模擬數(shù)據(jù)從sklearn庫中導(dǎo)入線性回歸模型構(gòu)造線性回歸對象，并訓(xùn)練模型回歸預(yù)測并繪圖呈現(xiàn)效果2、環(huán)境要求3、任務(wù)設(shè)計本次任務(wù)借助sklearn機器學習庫，對一組給定的數(shù)據(jù)，建立回歸模型。效果如下所示。原始數(shù)據(jù)回歸預(yù)測｝任務(wù)一請掃碼完成安裝Anaconda環(huán)境左側(cè)為參考代碼，其中：實驗數(shù)據(jù)可以從外部讀入生成的樣本數(shù)量及噪音可以調(diào)節(jié)參考代碼4、任務(wù)實施任務(wù)七：線性回歸算法預(yù)測編譯運行結(jié)果4、任務(wù)實施任務(wù)七：線性回歸算法預(yù)測生成模擬數(shù)據(jù)，畫出散點圖紅色直線為回歸預(yù)測結(jié)果常見問題：編譯錯誤1.NameError:name'X'isnotdefined：變量命名與使用時不統(tǒng)一，可能是大小寫的問題。2.AttributeError:Unknownpropertycolour:部分單詞拼寫錯誤

其它問題程序能正常編譯運行，但是沒有出現(xiàn)圖像：請查看..,可能是圖像已經(jīng)呈現(xiàn)，但相關(guān)窗口沒有被打開5、常見問題任務(wù)七：線性回歸算法預(yù)測本次項目通過簡單的生成數(shù)據(jù)、訓(xùn)練模型、預(yù)測數(shù)據(jù)，體驗了機器學習流程。

學員們可以進一步探索：深入創(chuàng)新：能否實現(xiàn)數(shù)據(jù)自由—使用自己現(xiàn)有的數(shù)據(jù)來訓(xùn)練模型并預(yù)測？遷移創(chuàng)新：能否采用其它的模型來替代LinearRegression

？6、拓展創(chuàng)新深入創(chuàng)新：當采用現(xiàn)有數(shù)據(jù)時，需要對數(shù)據(jù)進行預(yù)處理，包括數(shù)據(jù)清洗、數(shù)據(jù)轉(zhuǎn)換、特征選擇等，有一定的難度。遷移創(chuàng)新：sklearn中有大量機器學習模型，包括支持向量機、K近鄰、決策樹等。讀者可以多嘗試各種方法，增加對它們的了解。任務(wù)七：線性回歸算法預(yù)測BasisofArtificialIntelligenceApplication人工智能應(yīng)用基礎(chǔ)模塊八深度學習概述08GANs:哪一個為原始圖像？練習：訓(xùn)練神經(jīng)網(wǎng)絡(luò)：網(wǎng)絡(luò)結(jié)構(gòu)配置與超參數(shù)設(shè)置/嘗試：/machine-learning/crash-course/introduction-to-neural-networks/playground-exercises?hl=zh-cn通過增加神經(jīng)網(wǎng)絡(luò)的層數(shù)，以及每一層中神經(jīng)元的個數(shù)，能逐漸降低測試損失。當你嘗試過各種組合以后，找到的測試損失不超過0.177的神經(jīng)元和層的最小數(shù)量是多少？任務(wù)八：深度學習模型訓(xùn)練網(wǎng)絡(luò)通信正常已安裝Anaconda集成環(huán)境已安裝百度SDK并注冊用戶1、任務(wù)描述進入谷歌機器學習平臺

設(shè)置相關(guān)超參數(shù)觀察輸出指標并修改學習率等2、環(huán)境要求3、任務(wù)設(shè)計本次任務(wù)借助谷歌機器學習平臺，對深度學習模型進行參數(shù)調(diào)優(yōu)。效果如下所示。｝任務(wù)一請掃碼完成百度平臺注冊1.了解神經(jīng)網(wǎng)絡(luò)的概念2.了解深度學習及卷積、池化、全連接等相關(guān)概念3.了解生成對抗網(wǎng)絡(luò)及應(yīng)用4.能訓(xùn)練深度學習模型5.培養(yǎng)質(zhì)量意識與工匠精神重點:1.神經(jīng)網(wǎng)絡(luò)的概念2.深度學習的相關(guān)術(shù)語3.訓(xùn)練深度學習模型難點:1.生成對抗網(wǎng)絡(luò)2.深度學習模型參數(shù)調(diào)優(yōu)知識技能目標重難點人工智能應(yīng)用基礎(chǔ)BasisofArtificialIntelligenceApplication1、神經(jīng)網(wǎng)絡(luò)的概念2、深度學習相關(guān)概念3、生成對抗網(wǎng)絡(luò)及應(yīng)用4、任務(wù)八：深度學習模型調(diào)參人工神經(jīng)網(wǎng)絡(luò)（ArtificialNeuralNetworks，ANN）也簡稱為神經(jīng)網(wǎng)絡(luò)（NN），是一種參照大腦工作機制進行信息處理的數(shù)學模型，由大量簡單處理單元經(jīng)廣泛連接而組成，是對人類大腦神經(jīng)元聯(lián)接結(jié)構(gòu)的模擬和簡化。神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖1、神經(jīng)網(wǎng)絡(luò)的定義8.1神經(jīng)網(wǎng)絡(luò)的概念2、神經(jīng)網(wǎng)絡(luò)的起源8.1神經(jīng)網(wǎng)絡(luò)的概念1904年，生物學家了解了神經(jīng)元的組成結(jié)構(gòu)。外界的刺激通過各個樹突傳遞給神經(jīng)元，神經(jīng)元進行加工處理后由軸突輸出信號，信號經(jīng)由神經(jīng)末梢（突觸）傳遞到其他神經(jīng)元。其中突觸是指一個神經(jīng)元的沖動傳到另一個神經(jīng)元時相互接觸的結(jié)構(gòu)。神經(jīng)元結(jié)構(gòu)與數(shù)學模型1943年，心理學家麥卡洛克（McCulloch）和數(shù)學家皮茨（Pitts）在分析、總結(jié)神經(jīng)元基本特性的基礎(chǔ)上首先提出神經(jīng)元的數(shù)學模型（M-P模型）。目前有多種神經(jīng)元模型，標準的數(shù)學模型中包含加權(quán)求和、線性動態(tài)系統(tǒng)和非線性函數(shù)映射三個部分。3、神經(jīng)元的數(shù)學模型8.1神經(jīng)網(wǎng)絡(luò)的概念

神經(jīng)元的數(shù)學模型4、神經(jīng)網(wǎng)絡(luò)的歷史8.1神經(jīng)網(wǎng)絡(luò)的概念多層前饋神經(jīng)網(wǎng)絡(luò)示例模型1982年，約翰·霍普菲爾德提出了霍普菲爾德神經(jīng)網(wǎng)絡(luò)(Hopfieldnet)。1986年，魯梅爾哈特等提出反向傳播(BackPropagation，BP)算法，即BP神經(jīng)網(wǎng)絡(luò)。1989年，YannLeCun構(gòu)建了卷積神經(jīng)網(wǎng)絡(luò)LeNet，應(yīng)用于計算機視覺問題。1998年，YannLeCun等基于LeNet構(gòu)建了更加完備的卷積神經(jīng)網(wǎng)絡(luò)LeNet-5。自2012年的AlexNet開始，卷積神經(jīng)網(wǎng)絡(luò)多次成為ImageNet競賽的優(yōu)勝算法：2013年ZFNet2014年VGGNet、GoogLeNet2015年ResNet1、神經(jīng)網(wǎng)絡(luò)的概念2、深度學習相關(guān)概念3、生成對抗網(wǎng)絡(luò)及應(yīng)用4、任務(wù)八：深度學習模型調(diào)參深度學習（Deeplearning）是機器學習的一個子集，通常指三層及以上的神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)從大量數(shù)據(jù)中“學習”，并試圖模擬人腦的行為。單層神經(jīng)網(wǎng)絡(luò)也能進行近似預(yù)測，但額外的隱藏層有助于優(yōu)化網(wǎng)絡(luò)、提高精度。1、深度學習的定義8.2深度學習相關(guān)概念當小狗的圖片（數(shù)字化信息）被送入卷積神經(jīng)網(wǎng)絡(luò)時，需要通過多次的卷積（convolutional）

池化（pooling）運算，最后通過全連接層（fully-connectedlayer），輸出為屬于貓狗等各個動物類別的概率。2、深度學習相關(guān)概念8.2深度學習相關(guān)概念卷積神經(jīng)網(wǎng)絡(luò)（ConvolutionalNeuralNetworks,CNN）是一類包含卷積計算且具有深度結(jié)構(gòu)的前饋神經(jīng)網(wǎng)絡(luò)，是深度學習的代表算法之一，在圖像領(lǐng)域處于主導(dǎo)地位。卷積神經(jīng)網(wǎng)絡(luò)工作過程3、深度學習相關(guān)術(shù)語8.2深度學習相關(guān)概念一維卷積一維卷積神經(jīng)網(wǎng)絡(luò)工作原理卷積核輸入

0112-1

1-21-1211輸出

?

-101

3、深度學習相關(guān)術(shù)語8.2深度學習相關(guān)概念一維卷積采用本卷積核進行卷積運算可以使信號平滑過渡卷積核輸入

638584612

00201004000輸出

?

0.30.40.3

3、深度學習相關(guān)術(shù)語8.2深度學習相關(guān)概念一維卷積答答看，看你理解了沒有？卷積輸出卷積核輸入?-111

1-12-110102-220卷積神經(jīng)網(wǎng)絡(luò)工作過程3、深度學習相關(guān)術(shù)語8.2深度學習相關(guān)概念二維卷積二維卷積神經(jīng)網(wǎng)絡(luò)工作原理輸入信號 卷積核 輸出信號卷積神經(jīng)網(wǎng)絡(luò)工作過程3、深度學習相關(guān)術(shù)語8.2深度學習相關(guān)概念二維卷積答答看，看你理解了沒有？輸入信號 卷積核 輸出信號-13、深度學習相關(guān)術(shù)語8.2深度學習相關(guān)概念池化兩種池化的結(jié)果上一層輸出作為輸入

最大池化均值池化3、深度學習相關(guān)術(shù)語8.2深度學習相關(guān)概念全連接全連接層的每一個結(jié)點都與上一層的所有結(jié)點相連，用來把前邊提取到的特征綜合起來。由于其全相連的特性，一般全連接層的參數(shù)也是最多的。例如在VGG16中，第一個全連接層FC1有4096個節(jié)點，上一層POOL2是7*7*512=25088個節(jié)點，則該傳輸需要4096*25088個權(quán)值，需要耗很大的內(nèi)存。3、深度學習相關(guān)術(shù)語8.2深度學習相關(guān)概念激活函數(shù)

Sigmoid函數(shù)常見的激活函數(shù)有三個：

Sigmoid函數(shù)Tanh函數(shù)ReLU函數(shù)Tanh函數(shù)ReLU函數(shù)1、神經(jīng)網(wǎng)絡(luò)的概念2、深度學習相關(guān)概念3、生成對抗網(wǎng)絡(luò)及應(yīng)用4、任務(wù)八：深度學習模型調(diào)參

生成對抗網(wǎng)絡(luò)（Generativeadversarialnetworks，GAN）由IanJ.Goodfellow等人于2014年提出，是深度學習領(lǐng)域的一個重要生成模型，由生成模型（GenerativeModel）和判別模型（DiscriminativeModel）的互相博弈學習產(chǎn)生很好的輸出。1、生成對抗網(wǎng)絡(luò)的概念8.3生成對抗網(wǎng)絡(luò)及應(yīng)用生成對抗網(wǎng)絡(luò)是當前最熱門的技術(shù)之一，在圖像、視頻、自然語言和音樂等數(shù)據(jù)的生成方面有著廣泛應(yīng)用，但也因為造假技術(shù)日益精湛而引發(fā)了許多社會問題。生成對抗網(wǎng)絡(luò)概念圖2、生成對抗網(wǎng)絡(luò)的原理8.3生成對抗網(wǎng)絡(luò)及應(yīng)用GAN由兩個重要的部分構(gòu)成：生成器(Generator，G)和判別器(Discriminator，D)。

生成器G：根據(jù)隨機數(shù)z，生成假數(shù)據(jù)G(z)，目標是盡可能“騙過”判別器；

判別器D：判斷數(shù)據(jù)是真實數(shù)據(jù)還是「生成器」生成的假數(shù)據(jù)，目的是盡可能把「生成器」造出的“假數(shù)據(jù)”辨識出來。

判別器D的輸入?yún)?shù)是數(shù)據(jù)x，輸出D(x)為介于0-1之間的某個標量，用于表示x為真實數(shù)據(jù)的概率。如果值為1，則代表x為真實數(shù)據(jù)的概率達到了100%。生成人臉照片3、生成對抗網(wǎng)絡(luò)的應(yīng)用8.3生成對抗網(wǎng)絡(luò)及應(yīng)用生成現(xiàn)實照片DeepDream模型將塔樓、房屋和小鳥等對象融入圖像中的效果示例讓機器擁有想象力3、生成對抗網(wǎng)絡(luò)的應(yīng)用8.3生成對抗網(wǎng)絡(luò)及應(yīng)用讓機器擁有想象力試圖模仿人類來自學跑步僅根據(jù)文本描述來生成圖像3、生成對抗網(wǎng)絡(luò)的應(yīng)用8.3生成對抗網(wǎng)絡(luò)及應(yīng)用通過檢測視頻中正在移動中的野馬并把斑馬條紋疊加上去，可將野馬轉(zhuǎn)換成斑馬指馬為斑馬改變圖像中的季節(jié)，如把優(yōu)勝美地的冬天變成夏天，反之也可以把冬天變成春天3、生成對抗網(wǎng)絡(luò)的應(yīng)用8.3生成對抗網(wǎng)絡(luò)及應(yīng)用2019:BigGan在各種鳥類之間從容變換模仿多種蘑菇跨物種也不成問題，從企鵝到大象，變化自然1、神經(jīng)網(wǎng)絡(luò)的概念2、深度學習相關(guān)概念3、生成對抗網(wǎng)絡(luò)及應(yīng)用4、任務(wù)八：深度學習模型調(diào)參任務(wù)八：深度學習模型訓(xùn)練網(wǎng)絡(luò)通信正常已安裝Anaconda集成環(huán)境已安裝百度SDK并注冊用戶1、任務(wù)描述進入谷歌機器學習平臺

設(shè)置相關(guān)超參數(shù)觀察輸出指標并修改學習率等2、環(huán)境要求3、任務(wù)設(shè)計本次任務(wù)借助谷歌機器學習平臺，對深度學習模型進行參數(shù)調(diào)優(yōu)。效果如下所示。｝任務(wù)一請掃碼完成百度平臺注冊實驗區(qū)域4、任務(wù)實施任務(wù)八：深度學習模型訓(xùn)練Activation

Activation

①運行控制區(qū)②超參數(shù)設(shè)置區(qū)③數(shù)據(jù)準備區(qū)④網(wǎng)絡(luò)結(jié)構(gòu)區(qū)⑤結(jié)果輸出區(qū)③②①

④⑤超參數(shù)分析4、任務(wù)實施任務(wù)八：深度學習模型訓(xùn)練Activation

Activation

序號參數(shù)表示含義1Learningrate學習率權(quán)重更新的速率2Activation

激活函數(shù)

增加模型的非線性擬合能力3Regularization

正則化

防止模型過擬合4Regularizationrate正則化率正則化作用強弱5HIDDENLAYERS隱藏層設(shè)置隱藏層個數(shù)6neuron神經(jīng)元每個隱層的節(jié)點個數(shù)參數(shù)設(shè)置與調(diào)試4、任務(wù)實施任務(wù)八：深度學習模型訓(xùn)練通過調(diào)節(jié)上述超參數(shù)，使測試損失達到預(yù)定值調(diào)節(jié)超參數(shù)常見問題：測試損失過大隱藏層過少，只用了一層每個隱藏層的神經(jīng)元個數(shù)較少使用線性激活函數(shù)，增加調(diào)參難度未使用正則化項其它建議建議設(shè)置兩個隱藏層，神經(jīng)元個數(shù)分別為3個和2個。5、常見問題任務(wù)八：深度學習模型訓(xùn)練本次任務(wù)利用谷歌機器學習平臺實現(xiàn)了深度學習模型的超參數(shù)調(diào)優(yōu)分析。學員們可以進一步探索：深入創(chuàng)新：對不同類型的數(shù)據(jù)，再次調(diào)節(jié)超參數(shù)，觀察效果。遷移創(chuàng)新：嘗試不同的分類、回歸模型6、拓展創(chuàng)新深入創(chuàng)新建議：需要對數(shù)據(jù)有一定的了解/遷移創(chuàng)新建議：建設(shè)進一步了解分類、回歸的基礎(chǔ)知識，/machine-learning/crash-course/introduction-to-neural-networks/video-lecture任務(wù)八：深度學習模型訓(xùn)練BasisofArtificialIntelligenceApplication人工智能應(yīng)用基礎(chǔ)模塊九

人工智能法律與倫理091.了解人工智能倫理問題2.了解人工智能安全問題3.了解人工智能隱私問題4.了解人工智能偏見問題5.了解人工智能中的法律問題6.培養(yǎng)愛國精神及民族自信重點:1.人工智能中的隱私安全問題2.人工智能中的偏見問題3.人工智能中的法律問題難點:1.人工智能偏見緣由2.人工智能中的法律問題知識?技能?素質(zhì)重難點人工智能應(yīng)用基礎(chǔ)BasisofArtificialIntelligenceApplication9.1人工智能中的倫理問題9.1.1隱私泄露問題9.1.2偏見問題9.2人工智能中的法律問題9.2.1人格權(quán)的保護9.2.2侵權(quán)責任的認定9.2.3數(shù)據(jù)財產(chǎn)的保護9.2.4知識產(chǎn)權(quán)的保護9.2.5機器人的法律主體地位人工智能是否能擁有意識？9.1人工智能中的倫理問題倫理問題人工智能是否能產(chǎn)生情感？人工智能是否能擁有意識？9.1人工智能中的倫理問題倫理問題人工智能是否能產(chǎn)生情感？9.1人工智能中的倫理問題倫理問題安全：如果人工智能并不安全，例如無人駕駛成為武器，人類應(yīng)該如何應(yīng)對？人工智能的安全問題目前尚待解決。隱私：由于人工智能的發(fā)展需要大量人類數(shù)據(jù)作為“助推劑”，因此人類隱私可能暴露在人工智能之下。偏見：人工智能將最大限度減少技術(shù)流程中偶然性的人為因素，這種情況下，可能將對于某些擁有共同特征的人，例如某一種族或年齡段的人，造成系統(tǒng)性的歧視。人工智能取代人類工作：各種研究機構(gòu)大體認為在未來10-15年中，將有40-50%的任務(wù)可以被人工智能取代。貧富不均：當人工智能逐步取代部分人的工作時，被取代者不僅面臨收入下降的問題，也可能失去了人生的意義，可能出現(xiàn)陷入毒癮、酒癮、游戲癮，甚至虛擬現(xiàn)實癮的地步，也可能增加自殺率。9.1人工智能中的倫理問題當前問題語音助手采集個人數(shù)據(jù)1、隱私泄露問題9.1人工智能中的倫理問題蘋果：蘋果手機的語音助手會在沒有經(jīng)過允許的情況下，將用戶錄音上傳到服務(wù)器，由外包商進行人工分析。谷歌：谷歌公司承認其雇傭的外包合同工會聽取用戶與其人工智能語音助手的對話，用于讓語音服務(wù)支持更多語言、音調(diào)和方言。據(jù)比利時弗拉芒廣播電視臺報道，已有超1000個谷歌智能助手錄音內(nèi)容被承包商泄露。亞馬遜：美國亞馬遜公司的“亞歷克薩(Alexa)”語音系統(tǒng)對用戶有風險。當?shù)孛襟w曝光該系統(tǒng)錄制用戶談話用于訓(xùn)練提升相關(guān)產(chǎn)品。亞馬遜在其語音助手設(shè)置中增加了一個新選項，允許用戶選擇自己的錄音不被“人工分析”，但這一選項隱藏在隱私設(shè)置的子菜單中，在不特意選擇的情況下很可能不會被注意到。性別偏見案例2、偏見問題9.1人工智能中的倫理問題亞馬遜招聘系統(tǒng)：偏愛男性圖片來源：MachineLearningTechub性別偏見案例2、偏見問題9.1人工智能中的倫理問題亞馬遜：亞馬遜開發(fā)了一套人工智能程序篩選簡歷，對500個職位進行針對性的建模，包含了過去10年收到的簡歷里的5萬個關(guān)鍵詞，旨在讓人事部門將精力放在更需要人類的地方。但現(xiàn)實卻殘酷，AI竟然學會了人類性別歧視的那一套，通過簡歷篩選的男性遠多于女性，它甚至下調(diào)了兩所女子學院的畢業(yè)生評級。技術(shù)因素：亞馬遜研究后發(fā)現(xiàn)，因為在科技公司中，技術(shù)人員多數(shù)是男性，讓人工智能誤以為男性特有的特質(zhì)和經(jīng)歷是更重要的，因而將女性的簡歷排除在外。數(shù)據(jù)因素：斯坦福大學的研究人員發(fā)現(xiàn)，圖片識別率異常的原因是，“喂”給AI的圖片大多是白人、男性，缺乏少數(shù)族裔，而包含女性的圖片里，往往會出現(xiàn)廚房等特定元素。機器不過是“學以致用”，很難有改善的可能，現(xiàn)有的訓(xùn)練方式甚至會加深“偏見”。膚色偏見案例2、偏見問題9.1人工智能中的倫理問題表1犯罪風險預(yù)測表2犯罪風險預(yù)測9.1人工智能中的倫理問題

9.1.1隱私泄露問題9.1.2偏見問題9.2人工智能中的法律問題

9.2.1人格權(quán)的保護9.2.2侵權(quán)責任的認定9.2.3數(shù)據(jù)財產(chǎn)的保護9.2.4知識產(chǎn)權(quán)的保護9.2.5機器人的法律主體地位1、人格權(quán)的保護9.2人工智能中的法律問題問題：假設(shè)機器人有了意識，有了情感。那么如果主人對機器人伴侶進行虐待或侵害，是否應(yīng)當承擔侵害人格權(quán)以及精神損害賠償責任呢？

當前許多人工智能系統(tǒng)把一些人的聲音、表情、肢體動作等植入內(nèi)部系統(tǒng)，使所開發(fā)的人工智能產(chǎn)品可以模仿他人的聲音、形體動作等，甚至能夠像人一樣表達，并與人進行交流，但如果未經(jīng)他人同意而擅自進行上述模仿活動，就有可能構(gòu)成對他人人格權(quán)的侵害。人工智能還可能借助光學技術(shù)、聲音控制、人臉識別技術(shù)等，對他人的人格權(quán)客體加以利用，這也對個人聲音、肖像等的保護提出了新的挑戰(zhàn)。2、侵權(quán)責任的認定9.2人工智能中的法律問題問題：無人駕駛汽車造成他人損害侵權(quán)時，誰來承擔責任？駕駛?cè)?？機動車所有人？汽車制造商？自動駕駛技術(shù)（AI軟件）開發(fā)者？法律有必要為無人駕駛汽車制定專門的侵權(quán)責任規(guī)則--現(xiàn)實：立法的滯后性思考：當智能機器人會思考以后，如果有人故意挑逗并惹怒了它，它有可能會主動攻擊人類。這時候造成的侵害責任，誰來承擔？3、數(shù)據(jù)財產(chǎn)的保護9.2人工智能中的法律問題問題：技術(shù)無罪！我從網(wǎng)絡(luò)上爬取公開數(shù)據(jù)，不會有法律問題吧？爬蟲程序規(guī)避網(wǎng)站經(jīng)營者設(shè)置的反爬蟲措施或者破解服務(wù)器防抓取措施，非法獲取相關(guān)信息，情節(jié)嚴重的，有可能構(gòu)成“非法獲取計算機信息系統(tǒng)數(shù)據(jù)罪”。爬蟲程序干擾被訪問的網(wǎng)站或系統(tǒng)正常運營，后果嚴重的，觸犯刑法，構(gòu)成“破壞計算機信息系統(tǒng)罪”。爬蟲采集的信息屬于公民個人信息的，有可能構(gòu)成非法獲取公民個人信息的違法行為，情節(jié)嚴重的，有可能構(gòu)成“侵犯公民個人信息罪”。4、知識產(chǎn)權(quán)的保護9.2人工智能中的法律問題問題：百度寫詩機器人、微軟小冰能通過學習海量詩篇，進而自行創(chuàng)作。這些機器人作品是否侵權(quán)了？機器人作品可否受到著作權(quán)法保護？智能機器人要通過一定的程序進行“深度學習、深度思維”，在這個過程中有可能收集、儲存大量的他人已享有著作權(quán)的信息，這就有可能構(gòu)成非法復(fù)制他人的作品，從而構(gòu)成對他人著作權(quán)的侵害。這種侵害知識產(chǎn)權(quán)的情形，很難界定究竟應(yīng)當由誰承擔責任。程序員侵權(quán)？機器人侵權(quán)？思考：機器人作品是否可以受到著作權(quán)法保護？5、機器人的法律主體地位9.2人工智能中的法律問題問題：是否有必要在法律上承認人工智能機器人的法律主體地位？2017年2月，歐洲議會投票表決通過《就機器人民事法律規(guī)則向歐盟委員會的立法建議》，建議對最復(fù)雜的自主智能機器人，可以考慮賦予其法律地位，在法律上承認其為電子人（electronicperson）。若是將智能機器人定位為電子（人），即一方面是說，智能機器人也是法律中的人（person）；另一方面，這種法律中的人既不是自然人（naturalperson）也不是法人（legalperson），而是一種新的類別：電子（人）。若是智能機器與自然人、法人一樣，可以是法律中的人，也就意味著他們之間必然具有某種共性。未來若干年，智能機器人也許可以達到人類50%的智力。在實踐中，智能機器人可以為我們接聽電話、語音客服、身份識別、翻譯、語音轉(zhuǎn)換、智能交通，甚至案件分析。據(jù)統(tǒng)計，現(xiàn)階段23%的律師業(yè)務(wù)已可由人工智能完成。BasisofArtificialIntelligenceApplication人工智能應(yīng)用基礎(chǔ)模塊十迎賓機器人項目實戰(zhàn)人臉識別之

人臉檢測01人臉檢測對于公司大廳內(nèi)的迎賓機器人小胖來講，它首先需要檢測是否有人臉的出現(xiàn)，其次為了同公司員工或客戶進行寒暄，需要識別對方的情緒。本次課要進行人臉檢測，并對識別出來的人臉進行打框，同時識別對方的表情。讓我們一起學一學人臉識別知識，做一做人臉分析項目！迎賓機器人小胖人臉檢測網(wǎng)絡(luò)通信正常已安裝Anaconda集成環(huán)境已安裝百度SDK并注冊用戶1、任務(wù)描述在百度平臺創(chuàng)建AipFace應(yīng)用并獲取鑒權(quán)信息

編寫代碼檢測人臉編碼顯示加框后的圖片編譯運行并查看結(jié)果2、環(huán)境要求3、任務(wù)設(shè)計本次任務(wù)是借助百度AipFace接口，將給定圖片中的人臉檢測出來并進行打框標記。效果如下所示。｝任務(wù)一請掃碼完成集成環(huán)境&百度平臺人臉檢測人臉檢測與定位人臉識別的常見應(yīng)用人臉搜索1：N人臉識別的常見應(yīng)用人臉對比1:1人臉識別的常見應(yīng)用相似度95%同一個人的可能性極高關(guān)鍵點檢測人臉識別的常見應(yīng)用活體檢測人臉識別的常見應(yīng)用網(wǎng)絡(luò)通信正常已安裝Anaconda集成環(huán)境已安裝百度SDK并注冊用戶1、任務(wù)描述在百度平臺創(chuàng)建AipFace應(yīng)用并獲取鑒權(quán)信息

編寫代碼檢測人臉編碼顯示加框后的圖片編譯運行并查看結(jié)果2、環(huán)境要求3、任務(wù)設(shè)計本次任務(wù)是借助百度AipFace接口，將給定圖片中的人臉檢測出來并進行打框標記。效果如下所示。｝任務(wù)一請掃碼完成集成環(huán)境&百度平臺人臉檢測左側(cè)為參考代碼，其中：圖片資源應(yīng)與源代碼文件在同一目錄下參考代碼（檢測）4、任務(wù)實施人臉檢測代碼中用到cv2：需要安裝OpenCVPrompt中pipinstallopencv-python參考代碼（呈現(xiàn)）4、任務(wù)實施人臉檢測BasisofArtificialIntelligenceApplication人工智能應(yīng)用基礎(chǔ)迎賓機器人項目實戰(zhàn)人臉識別之

人臉搜索02對于公司大廳內(nèi)的迎賓機器人小胖來講，做好智能考勤是它的重要工作任務(wù)。因此它需要在人臉庫中搜索，面前站著的人員是哪一位。以便做好考勤記錄，并致歡迎詞。讓我們一起學一學人臉識別知識，做一做人臉搜索項目！迎賓機器人小胖人臉搜索客戶X員工Y網(wǎng)絡(luò)通信正常已安裝Anaconda集成環(huán)境已安裝百度SDK并注冊用戶1、任務(wù)描述在百度平臺創(chuàng)建人臉庫在百度平臺創(chuàng)建AipFace應(yīng)用并獲取鑒權(quán)信息

編寫代碼編譯運行并查看結(jié)果2、環(huán)境要求3、任務(wù)設(shè)計本次任務(wù)是借助百度AipFace接口，根據(jù)給定的圖片，在創(chuàng)建好的人臉庫中搜索匹配的圖片。效果如下所示。｝任務(wù)一請掃碼完成集成環(huán)境&百度平臺人臉搜索人臉檢測與定位（已完成）人臉識別的常見應(yīng)用人臉搜索人臉搜索1：N人臉識別的常見應(yīng)用人臉搜索人臉對比1:1人臉識別的常見應(yīng)用相似度95%同一個人的可能性極高人臉搜索關(guān)鍵點檢測人臉識別的常見應(yīng)用人臉搜索活體檢測人臉識別的常見應(yīng)用人臉搜索網(wǎng)絡(luò)通信正常已安裝Anaconda集成環(huán)境已安裝百度SDK并注冊用戶1、任務(wù)描述在百度平臺創(chuàng)建人臉庫在百度平臺創(chuàng)建AipFace應(yīng)用并獲取鑒權(quán)信息

編寫代碼編譯運行并查看結(jié)果2、環(huán)境要求3、任務(wù)設(shè)計本次任務(wù)是借助百度AipFace接口，根據(jù)給定的圖片，在創(chuàng)建好的人臉庫中搜索匹配的圖片。效果如下所示。｝任務(wù)一請掃碼完成集成環(huán)境&百度平臺人臉搜索用戶組為特定人群（班級、部門），如：Group1：user01user02Group2：……Stars：user01user02創(chuàng)建人臉庫4、任務(wù)實施人臉搜索人臉搜索與人臉檢測代碼非常相似，僅多了一個groupIdList參數(shù)到哪個組別中去匹配？參考代碼（搜索匹配）4、任務(wù)實施人臉搜索參考代碼（優(yōu)化輸出及圖片呈現(xiàn)）4、任務(wù)實施人臉搜索BasisofArtificialIntelligenceApplication人工智能應(yīng)用基礎(chǔ)迎賓機器人項目實戰(zhàn)語音對話之

語音合成03語音合成對于公司大廳內(nèi)的迎賓機器人小胖來講，當它檢測到人臉的出現(xiàn)、并識別相應(yīng)的人臉以后，首先要做的就是用語音的方式道一聲“歡迎”。鑒于科大訊飛在語音領(lǐng)域的實力，以及它所提供服務(wù)的友好性，我們就選用訊飛平臺做一做語音合成項目！迎賓機器人小胖語音合成網(wǎng)絡(luò)通信正常已安裝Anaconda集成環(huán)境1、任務(wù)描述2、環(huán)境要求3、任務(wù)設(shè)計本次任務(wù)是借助科大訊飛語音合成模塊，將給定文字進行語音合成。效果如下所示。語音合成準備一段文字（或文本文件）在科大訊飛平臺注冊用戶

在訊飛平臺創(chuàng)建語音應(yīng)用并獲取鑒權(quán)信息

編寫代碼編譯運行并收聽結(jié)果劉先生早上好！很高興見到您！語音合成智能語音的常見應(yīng)用訊飛語音合成流程語音播報手機導(dǎo)航語音識別智能語音的常見應(yīng)用訊飛語音識別流程智能音箱語音增強智能語音的常見應(yīng)用處理前處理后網(wǎng)絡(luò)通信正常已安裝Anaconda集成環(huán)境1、任務(wù)描述2、環(huán)境要求3、任務(wù)設(shè)計本次任務(wù)是借助科大訊飛語音合成模塊，將給定文字進行語音合成。效果如下所示。語音合成準備一段文字（或文本文件）在科大訊飛平臺注冊用戶

在訊飛平臺創(chuàng)建語音應(yīng)用并獲取鑒權(quán)信息

編寫代碼編譯運行并收聽結(jié)果小劉早上好！很高興見到您！4、任務(wù)實施語音合成注冊登錄

①進入“管理頁面”頁面右上角

②點擊控制臺③管理頁面④創(chuàng)建新應(yīng)用平臺注冊、創(chuàng)建應(yīng)用②④4、任務(wù)實施語音合成創(chuàng)建應(yīng)用⑤創(chuàng)建應(yīng)用

⑥填寫應(yīng)用名稱（自定義）

⑦填寫應(yīng)用分類

⑧填寫應(yīng)用描述⑨提交創(chuàng)建應(yīng)用⑥

⑦

⑧

4、任務(wù)實施語音合成獲取服務(wù)接口認證信息（秘鑰）SDK調(diào)用方式只需APPIDAPIKey或APISecret適用于WebAPI調(diào)用方式注意APISecret與APIKey的順序獲取秘鑰APPID

APISecretAPIKey左側(cè)為參考代碼，其中：密鑰需要從官網(wǎng)上獲取tts_helper已經(jīng)經(jīng)過簡化處理，官網(wǎng)上為tts_api_helper，適用于web端調(diào)用處理。請向授課老師索取。需要安裝websocket庫，否則報錯。pipinstallwebsocketpipinstallwebsocket-clientAttributeError:module'websocket'hasnoattribute'enableTrace'參考代碼4、任務(wù)實施語音合成BasisofArtificialIntelligenceApplication人工智能應(yīng)用基礎(chǔ)迎賓機器人項目實戰(zhàn)語音對話之

語音識別04語音合成對于公司大廳內(nèi)的迎賓機器人小胖來講，當用語音方式“歡迎小劉”以后，還需要回答客戶的問題，比如說客戶想了解公司產(chǎn)品信息、人員信息等。因此，小胖子需要聽懂客戶“小劉的崗位是什么啊”的語音指令（音頻轉(zhuǎn)文字）。鑒于科大訊飛在語音領(lǐng)域的實力，以及它所提供服務(wù)的友好性，我們選用訊飛平臺做一做語音識別項目。迎賓機器人小胖語音識別小劉的崗位是什么網(wǎng)絡(luò)通信正常已安裝Anaconda集成環(huán)境1、任務(wù)描述2、環(huán)境要求3、任務(wù)設(shè)計本次任務(wù)是借助科大訊飛語音識別模塊，將給定語音識別成文字。效果如下所示。語音識別準備一個音頻文件在科大訊飛平臺注冊用戶

在訊飛平臺創(chuàng)建語音應(yīng)用并獲取鑒權(quán)信息

編寫代碼編譯運行并查看結(jié)果小劉的崗位是什么語音合成智能語音的常見應(yīng)用訊飛語音合成流程語音播報手機導(dǎo)航語音識別智能語音的常見應(yīng)用訊飛語音識別流程智能音箱語音增強智能語音的常見應(yīng)用處理前處理后網(wǎng)絡(luò)通信正常已安裝Anaconda集成環(huán)境1、任務(wù)描述2、環(huán)境要求3、任務(wù)設(shè)計本次任務(wù)是借助科大訊飛語音合成模塊，將給定文字進行語音合成。效果如下所示。語音識別準備一個音頻文件在科大訊飛平臺注冊用戶

在訊飛平臺創(chuàng)建語音應(yīng)用并獲取鑒權(quán)信息

編寫代碼編譯運行并查看結(jié)果小劉的崗位是什么4、任務(wù)實施語音識別注冊登錄

①進入“管理頁面”頁面右上角

②點擊控制臺③管理頁面④創(chuàng)建新應(yīng)用平臺注冊、創(chuàng)建應(yīng)用②④4、任務(wù)實施語音識別創(chuàng)建應(yīng)用⑤創(chuàng)建應(yīng)用

⑥填寫應(yīng)用名稱（自定義）

⑦填寫應(yīng)用分類

⑧填寫應(yīng)用描述⑨提交創(chuàng)建應(yīng)用⑥

⑦

⑧

4、任務(wù)實施語音識別獲取服務(wù)接口認證信息（秘鑰）SDK調(diào)用方式只需APPIDAPIKey或APISecret適用于WebAPI調(diào)用方式注意APISecret與APIKey的順序獲取秘鑰APPID

APISecretAPIKey左側(cè)為參考代碼，其中：密鑰需要從官網(wǎng)上獲取stt_helper已經(jīng)經(jīng)過簡化處理，官網(wǎng)上為stt_realtime_api_helper，適用于web端調(diào)用處理。請向老師索取。需要安裝websocket庫，否則報錯。pipinstallwebsocketpipinstallwebsocket-clientAttributeError:module'websocket'hasnoattribute'enableTrace'參考代碼4、任務(wù)實施語音識別左側(cè)為優(yōu)化輸出參考代碼，其中：密鑰需要從官網(wǎng)上獲取stt_helper已經(jīng)經(jīng)過簡化處理，官網(wǎng)上為stt_realtime_api_helper，適用于web端調(diào)用處理。請向老師索取。需要安裝websocket庫，否則報錯。pipinstallwebsocketpipinstallwebsocket-clientAttributeError:module'websocket'hasnoattribute'enableTrace'參考代碼4、任務(wù)實施語音識別BasisofArtificialIntelligenceApplication人工智能應(yīng)用基礎(chǔ)迎賓機器人項目實戰(zhàn)知識問答之

公司介紹05公司介紹迎賓機器人小胖公司介紹迎賓機器人小胖發(fā)現(xiàn)，了解一些公司的基本情況還是很有必要的，因為所有的訪客都會問到諸如“公司有多少人”、“公司年產(chǎn)值是多少”等問題。因此它想構(gòu)建一個有關(guān)公司介紹的知識庫，今后再也不怕客人來問這方面的問題啦。由于每個公司情況都不相同，因此需要構(gòu)建自己的知識庫。我們選用百度UNIT平臺做一做公司介紹問答項目！公司有多少人？本公司當前員工數(shù)為238人。公司年產(chǎn)值是多少？本公司去年產(chǎn)值3億元，利潤5000萬元。公司招不招人啊？這個問答難倒我了。1、任務(wù)描述3、任務(wù)設(shè)計本次任務(wù)是借助百度UNIT平臺，為機器人錄入幾條公司常見問題，創(chuàng)建FAQ問答技能，以便回答問題。公司介紹準備幾段有關(guān)公司介紹的問答在百度UNIT平臺構(gòu)建FAQ問答技能創(chuàng)建問答應(yīng)用并獲取鑒權(quán)信息

編寫代碼編譯運行并查看結(jié)果網(wǎng)絡(luò)通信正常已安裝Anaconda集成環(huán)境已安裝百度SDK并注冊用戶2、環(huán)境要求｝任務(wù)一請掃碼完成集成環(huán)境&百度平臺公司有多少人？本公司當前員工數(shù)為238人。公司年產(chǎn)值是多少？本公司去年產(chǎn)值3億元，利潤5000萬元。問答技能1：FAQ問答知識問答的常見技能問答技能2：

對話式文檔問答知識問答的常見技能問答技能3：

表格問答知識問答的常見技能對話技能：意圖理解知識問答的常見技能1、任務(wù)描述3、任務(wù)設(shè)計本次任務(wù)是借助百度UNIT平臺，將一段公司介紹文本進行分析，提取出關(guān)鍵詞，以便回答問題。公司介紹準備一段/篇公司介紹文本在百度UNIT平臺構(gòu)建：FAQ問答技能創(chuàng)建問答應(yīng)用并獲取鑒權(quán)信息訓(xùn)練技能

編寫代碼并編譯運行網(wǎng)絡(luò)通信正常已安裝Anaconda集成環(huán)境已注冊百度用戶2、環(huán)境要求｝任務(wù)一請掃碼完成集成環(huán)境&百度平臺公司有多少人？本公司當前員工數(shù)為238人。公司年產(chǎn)值是多少？本公司去年產(chǎn)值3億元，利潤5000萬元。4、任務(wù)實施公司介紹登錄

①

點擊②“進入平臺”頁面上方

點擊③“我的技能”④點擊“新建技能”平臺注冊、創(chuàng)建應(yīng)用②③④4、任務(wù)實施公司介紹在自建技能中，選擇問答技能，點擊“下一步”在問答技能類型中，選擇FAQ問答，點擊“下一步”創(chuàng)建技能4、任務(wù)實施公司介紹創(chuàng)建技能填寫技能信息，并點擊“下一步”在“我的機器人”

“我的技能”中點擊新建的“公司介紹FAQ”技能創(chuàng)建技能記下此bot_id4、任務(wù)實施公司介紹在“全部問答”選項中，點擊“添加問答對”在“新建問答對”選項中，依次添加標準問題、相似問題與答案如果需要，則保存新建下一條保存并退出創(chuàng)建技能4、任務(wù)實施公司介紹左側(cè)“技能訓(xùn)練”“訓(xùn)練并部署到研發(fā)環(huán)境”訓(xùn)練描述（可空缺）確認訓(xùn)練并部署訓(xùn)練完成（下圖）訓(xùn)練技能4、任務(wù)實施公司介紹獲取秘鑰序號應(yīng)用名稱AppIDAPIKeySecretKey1