机器学习 - 简介

大家好，
我又带着自己的新系列回来了。这是一个非常“新”的话题，或许你们从未听说过。

在这个系列中我将带来

• TensorFlow JS
• TensorFlow Lite
• Colab

TensorFlow JS

TensorFlow.js 是一个 JavaScript 库，用于在浏览器和 Node.js 中训练和部署机器学习模型。

TensorFlow Lite

TensorFlow Lite 是一套工具，可帮助开发者在移动、嵌入式和物联网设备上运行 TensorFlow 模型。它支持低延迟和较小的二进制文件大小，实现设备上的机器学习推理。

Colab

Colab 是一款运行在 Google Cloud 上的交互式 Python 笔记本。
这意味着您可以在浏览器中直接完成所有编码，而无需在计算机上安装任何软件。如果您熟悉 Jupyter，您可以将 Colab 视为托管在 Google Cloud 上的 Jupyter Notebook 服务器。

在学习机器学习时，你会遇到许多不同的术语，例如人工智能、机器学习、神经网络和深度学习。但这些术语究竟是什么意思？它们之间又有什么关系呢？

这些术语的简要说明：

人工智能：

计算机科学的一个领域，旨在使计算机实现类似人类的智能。实现这一目标的方法有很多，包括机器学习和深度学习。

机器学习：

一组相关技术，其中训练计算机执行特定任务，而不是通过明确编程。

神经网络：

机器学习中的一种概念，其灵感来源于生物大脑中的神经元（神经细胞）网络。神经网络是深度学习的基础组成部分，本课程将涵盖该概念。

深度学习：

机器学习的一个子领域，使用多层神经网络。“机器学习”和“深度学习”通常互换使用。

机器学习和深度学习也有许多子领域、分支和特殊技术。

这种多样性的一个显著例子是监督学习和无监督学习的分离。

简单来说，
在监督学习中，你知道你想教给计算机什么，

而无监督学习则是让计算机自己弄清楚什么是可以学的。

机器学习的应用

• 机器学习算法现在可以像委员会认证的皮肤科医生一样准确地检测皮肤癌。在这种情况下，深度神经网络在数十万张皮肤癌图像上进行训练，并学会从单个图像中识别皮肤癌。
• 自动驾驶汽车。得益于机器学习，我们现在可以开发仅使用来自各种传感器的数据就能自行驾驶的自动驾驶汽车。
• 游戏。机器学习算法可以用来教计算机如何以超人水平玩游戏。例如，你可能听说过围棋，谷歌深度思维利用机器学习算法击败了世界上最优秀的围棋选手。

这些只是机器学习如何彻底改变我们世界的几个例子。因此，学习如何开发深度神经网络意味着你正在编写可能改变全世界人们生活的软件。