Data, Data, Data

章节开始区分了感知人工智能、理解人工智能、控制人工智能、意识人工智能的 的区别。之后将后续章节讲解的目标限制在 感知人工智能。

Data for AI

机器学习模型的数学问题：将给定的一组数据点拟合到一个合适的函数中（将输入映射到输出），该函数能捕捉到数据中的重要信号并忽略噪声，然后确保该函数在新数据上表现良好。

过程中的复杂性和挑战：

• 假设和特征（Hypothesis and features）
  1. 生成数据的真实函数和实际依赖的所有特征均未知。
• 性能评估（performance）
  1. 函数在新的、未见过的数据上是否表现良好？
  2. 部署后如何选择监控的性能指标？
• 数据量（Volume)
  1. 高效存储、传输、探索、预处理、构建和计算大量且高纬的数据。
• 结构化
  1. 大部分真实数据是非结构化的
  2. 数据挖掘是人工智能领域的驱动力

真实数据和模拟数据

• 真实数据：由于测量方法和工具的不准确性和故障，数据往往不完美且含有噪声。从数学角度看，我们不知道真是数据的精确函数或概率分布。需要通过模型、理论和模拟进行假设。然后对模型进行测试。
• 模拟数据：从已知函数生成的数据，或从已知概率分布中随机抽取的数据。（和真是数据的区别是：已经有模型）

数学模型：线性和非线性

• 线性模型：特征在公式中仅以自身形式出现，没有幂或根，也没有嵌入到任何其他函数中，如分数的分母、正弦、余弦、指数、对数或其他微积分函数。
• 非线性模型：一个或多个特征在函数公式中以非1的幂次出现，或者与其他特征相乘或相除，或者嵌入到正弦、余弦、指数、对数等其他微积分函数中。

数据处理和建模

1. 调查数据获取见解
2. 检测模型，提出假设函数
3. 测试假设函数
4. 部署到真实世界
5. 根据真实世界的反馈重复步骤1-5

AI 和数学模型以及模拟的三种交互方式：

1. 数学模型和模拟为AI系统提供训练
2. AI 增强数学模型和模拟
3. AI 本身是一个数学模型或模拟

数据分布、概率和统计的词汇

1. 随机变量：

• 随机变量与函数的区别是，随机变量的结果是不确定的，函数的结果是可预测和确定的。
• 随机变量可以是离散的或连续的

2. 概率分布：

• 分布代表的是离散随机变量或连续随机变量

3. 联合分布：

• x

4. 边缘概率：

• 位于联合概率分布的边缘。

5. 均匀分布和正太分布

• 均匀分布与正态分布 均匀分布和正态分布是最常见的连续分布，因此我们从它们开始。

Fitting Functions to Data

weight = w0 + w1 * height

接下来的任务找出 w0 w1 的值。