蒙特利尔AI学院发布全球人工智能入门指南
版权申诉
120 浏览量
更新于2024-06-14
收藏 5.88MB DOCX 举报
"面向所有人的世界级人工智能概览.docx"是一份由Vincent Boucher创建的文档，旨在向全球读者提供一个初级且全面的人工智能概述。这份VIP AI 101 Cheat Sheet特别针对艺术家版本，强调了AI在21世纪的重要性和普及性。它倡导AI-First的理念，即让所有人都能掌握和利用强大的AI工具进行学习、部署和扩展，从而提升个人和全球福祉，解决大规模问题，并激发创新者塑造未来。
文档指出，当今的人工智能已经变得强大且易于获取，它为各行各业带来了前所未有的可能性。AI-First的创新者可以通过探索AI在传统领域之外的应用来抢占先机，如机器学习突破可能带来巨大的商业价值，正如比尔·盖茨所说：“机器学习的突破值10个微软。”
为了帮助读者入门，文档推荐了一个在线平台——TensorFlow Playground，用户可以在浏览器中直接尝试神经网络，体验人工智能的基本操作。此外，还提到了 Papers With Code（LearnPy），这可能是另一个学习资源库，提供深度学习、生成对抗网络（GANs）和智能代理等相关技术的学习资料。
通过这份概览，蒙特利尔.AI（MONTRÉAL.AI）机构鼓励大众参与人工智能的学习和发展，共同塑造21世纪的技术格局。该文档不仅关注理论知识，还强调了开放源代码和科学实践的重要性，使得AI不再仅仅是高科技的神秘领域，而是每个人都能触及并创造价值的工具。
A PREPRINT - APRIL 24, 2019
3
3.1
Universal Approximation Theorem
Neural Networks + Gradient Descent + GPU
10
:
•
Infinitely flexible function: Neural Network (multiple hidden layers: Deep Learning)
11
.
•
All-purpose parameter fitting: Gradient Descent
1213
.
•
Fast and scalable: GPU.
"1. Multiply things together
2.
Add them up
3.
Replaces negatives with zeros
4.
Return to step 1, a hundred times."
— Jeremy Howard
When a choice must be made, just feed the (raw) data to a deep neural network (Universal function approximators).
3.2
Convolution Neural Networks (Useful for Images | Space)
The deep convolutional network, inspired by Hubel and Wiesel’s seminal work on early visual cortex, uses hierarchical
layers of tiled convolutional filters to mimic the effects of receptive fields, thereby exploiting the local spatial correlations
present in images[1]. See Figure 2. Demo https://ml4a.github.io/demos/convolution/.
Figure 2: A 2D Convolutional Neural Network. Source: Colah et al., 2014
A ConvNet is made up of Layers. Every Layer has a simple API: It transforms an input 3D volume to an output 3D
volume with some differentiable function that may or may not have parameters
14
. Reading
15
.
In images, local combinations of edges form motifs, motifs assemble into parts, and parts form objects
1617
.
Figure 3: Architecture of LeNet-5, a Convolutional Neural Network. LeCun et al., 1998
TensorSpace (https://tensorspace.org) offers interactive 3D visualizations of LeNet, AlexNet and Inceptionv3.
10
http://wiki.fast.ai/index.php/Lesson_1_Notes
11
http://neuralnetworksanddeeplearning.com/chap4.html
12
https://github.com/DebPanigrahi/Machine-Learning/blob/master/back_prop.ipynb
13
https://www.jeremyjordan.me/neural-networks-training/
14
http://cs231n.github.io/convolutional-networks/
15
https://ml4a.github.io/ml4a/convnets/
16
http://yosinski.com/deepvis
17
https://distill.pub/2017/feature-
visualization/
剩余14页未读，继续阅读
2023-06-02 上传
2022-07-01 上传
百态老人
- 粉丝: 6615
- 资源: 2万+
我的内容管理
展开
最新资源
- 基于Python和Opencv的车牌识别系统实现
- 我的代码小部件库：统计、MySQL操作与树结构功能
- React初学者入门指南：快速构建并部署你的第一个应用
- Oddish:夜潜CSGO皮肤，智能爬虫技术解析
- 利用REST HaProxy实现haproxy.cfg配置的HTTP接口化
- LeetCode用例构造实践：CMake和GoogleTest的应用
- 快速搭建vulhub靶场：简化docker-compose与vulhub-master下载
- 天秤座术语表：glossariolibras项目安装与使用指南
- 从Vercel到Firebase的全栈Amazon克隆项目指南
- ANU PK大楼Studio 1的3D声效和Ambisonic技术体验
- C#实现的鼠标事件功能演示
- 掌握DP-10：LeetCode超级掉蛋与爆破气球
- C与SDL开发的游戏如何编译至WebAssembly平台
- CastorDOC开源应用程序：文档管理功能与Alfresco集成
- LeetCode用例构造与计算机科学基础：数据结构与设计模式
- 通过travis-nightly-builder实现自动化API与Rake任务构建
