AI基础概念 - AI技术学习平台

📖 AI基础概念

机器学习核心知识体系

🎯 AI研究领域

🧠

机器学习 ML

让机器从数据中自动学习规律，是AI的核心基础

核心

📝

自然语言处理 NLP

让机器理解和生成人类语言

文本

👁️

计算机视觉 CV

让机器"看懂"图像和视频

图像

🔄 机器学习三大类型

🎯 监督学习

有标准答案，学习输入→输出的映射

分类回归

垃圾邮件识别
房价预测
图像分类

🔍 无监督学习

无标签，发现数据内在结构

聚类降维

用户分群
异常检测

🎮 强化学习

试错+奖励，不断优化策略

决策

游戏AI
机器人控制

📈

回归 vs 分类

监督学习的两大任务

对比	回归问题	分类问题
输出	连续数值（150.5、25.3）	离散类别（猫、狗、垃圾）
例子	预测房价、温度、销量	识别猫狗、垃圾邮件
指标	MSE、RMSE	准确率、精确率

🔄 ML工作流程

数据收集

→

数据清洗

→

特征工程

→

模型训练

→

模型评估

→

预测应用

🔧 算法分类速查

类别	典型算法	适用场景
回归	线性回归、岭回归	房价预测、销量预测
分类	逻辑回归、决策树、SVM	垃圾邮件、疾病诊断
集成	随机森林、XGBoost	竞赛、高精度预测
聚类	K-Means、DBSCAN	用户分群、异常检测
降维	PCA、t-SNE	可视化、特征压缩

📚 详细算法说明请参见机器学习页面

📝 NLP核心任务

📖 文本分类

情感分析、垃圾邮件检测

🔤 命名实体识别

提取人名、地名、机构名

📝 文本生成

机器翻译、摘要、对话

❓ 问答系统

阅读理解、知识问答

💬 对话系统

任务型、开放域聊天

👁️ CV核心任务

🖼️ 图像分类

ImageNet、人脸识别

🎯 目标检测

YOLO、人脸检测

🎨 语义分割

U-Net、自动驾驶

🖌️ 图像生成

GAN、Diffusion

🎮 强化学习核心概念

Agent-Environment交互

┌─────────────────────────────────────────────────────────────────┐ │ │ │ 智能体(Agent) ←── 奖励(Reward) ──→ 环境(Environment) │ │ │ │ │ │ │ 动作(Action) │ 状态(State) │ │ │ │ │ │ └───────────────────────────────────▶│ │ │ │ │ 核心要素：Agent、环境、状态、动作、奖励、策略 │ │ │ └─────────────────────────────────────────────────────────────────┘

💬 大语言模型 (LLM)

📚 预训练

海量文本学习语言知识

自监督学习

⚙️ 微调

任务特定数据优化

Fine-tuning

📝 提示工程

通过提示词引导输出

Zero-shot

📚 详细LLM内容请参见大语言模型页面

📚 深度学习详细架构请参见深度学习页面

🏢 AI行业应用

行业	典型应用
医疗	影像诊断、药物发现、辅助手术
金融	风控、反欺诈、智能客服、信用评估
零售	个性化推荐、需求预测、智能定价
制造	质量检测、预测性维护、机器人控制
交通	自动驾驶、交通预测、智能调度
教育	个性化学习、智能答疑、自适应测评