从0开始学大数据
李智慧
同程艺龙交通首席架构师,前Intel大数据架构师,《大型网站技术架构》作者
立即订阅
14333 人已学习
课程目录
已完结 46 讲
0/4登录后,你可以任选4讲全文学习。
开篇词 (1讲)
开篇词 | 为什么说每个软件工程师都应该懂大数据技术?
免费
预习模块 (3讲)
预习 01 | 大数据技术发展史:大数据的前世今生
预习 02 | 大数据应用发展史:从搜索引擎到人工智能
预习 03 | 大数据应用领域:数据驱动一切
模块一 Hadoop大数据原理与架构 (7讲)
04 | 移动计算比移动数据更划算
05 | 从RAID看垂直伸缩到水平伸缩的演化
06 | 新技术层出不穷,HDFS依然是存储的王者
07 | 为什么说MapReduce既是编程模型又是计算框架?
08 | MapReduce如何让数据完成一次旅行?
09 | 为什么我们管Yarn叫作资源调度框架?
10 | 模块答疑:我们能从Hadoop学到什么?
模块二 大数据生态体系主要产品原理与架构 (7讲)
11 | Hive是如何让MapReduce实现SQL操作的?
12 | 我们并没有觉得MapReduce速度慢,直到Spark出现
13 | 同样的本质,为何Spark可以更高效?
14 | BigTable的开源实现:HBase
15 | 流式计算的代表:Storm、Flink、Spark Streaming
16 | ZooKeeper是如何保证数据一致性的?
17 | 模块答疑:这么多技术,到底都能用在什么场景里?
模块三 大数据开发实践 (8讲)
18 | 如何自己开发一个大数据SQL引擎?
19 | Spark的性能优化案例分析(上)
20 | Spark的性能优化案例分析(下)
21 | 从阿里内部产品看海量数据处理系统的设计(上):Doris的立项
22 | 从阿里内部产品看海量数据处理系统的设计(下):架构与创新
23 | 大数据基准测试可以带来什么好处?
24 | 从大数据性能测试工具Dew看如何快速开发大数据系统
25 | 模块答疑:我能从大厂的大数据开发实践中学到什么?
模块四 大数据平台与系统集成 (6讲)
26 | 互联网产品 + 大数据产品 = 大数据平台
27 | 大数据从哪里来?
28 | 知名大厂如何搭建大数据平台?
29 | 盘点可供中小企业参考的商业大数据平台
30 | 当大数据遇上物联网
31 | 模块答疑:为什么大数据平台至关重要?
模块五 大数据分析与运营 (5讲)
32 | 互联网运营数据指标与可视化监控
33 | 一个电商网站订单下降的数据分析案例
34 | A/B测试与灰度发布必知必会
35 | 如何利用大数据成为“增长黑客”?
36 | 模块答疑:为什么说数据驱动运营?
模块六 大数据算法 (6讲)
37 | 如何对数据进行分类和预测?
38 | 如何发掘数据之间的关系?
39 | 如何预测用户的喜好?
40 | 机器学习的数学原理是什么?
41 | 从感知机到神经网络算法
42 | 模块答疑:软件工程师如何进入人工智能领域?
智慧写给你的寄语 (1讲)
所有的不确定都是机会——智慧写给你的新年寄语
结束语 (2讲)
结束语 | 未来的你,有无限可能
第2季回归丨大数据之后,让我们回归后端
从0开始学大数据
登录|注册

41 | 从感知机到神经网络算法

李智慧 2019-01-31
从机器学习模型角度看,目前最简单的机器学习模型大概就是感知机了,而最火热的机器学习模型则是神经网络。人工智能领域几乎所有炫酷的东西都是神经网络的成果,有下赢人类最顶尖围棋棋手的 AlphaGo、自动驾驶技术、聊天机器人、语音识别与自动翻译等。事实上,神经网络和感知机是一脉相承的,就像复杂的人体是由一个个细胞组成、复杂的大脑是由一个个神经元组成,而神经网络正是由感知机组成的。

感知机

感知机是一种比较简单的二分类模型,将输入特征分类为 +1、-1 两类,就像下图所示的,一条直线将平面上的两类点分类。
二维平面上的点只有两个输入特征(横轴坐标和纵轴坐标),一条直线就可以分类。如果输入数据有更多维度的特征,那么就需要建立同样多维度的模型,高维度上的分类模型也被称为超平面。
感知机模型如下:
其中 代表输入的特征空间向量,输出空间是{-1, +1}, 为权值向量, 叫作偏置, 是一个符号函数。
取消
完成
0/1000字
划线
笔记
复制
© 版权归极客邦科技所有,未经许可不得传播售卖。 页面已增加防盗追踪,如有侵权极客邦将依法追究其法律责任。
该试读文章来自付费专栏《从0开始学大数据》,如需阅读全部文章,
请订阅文章所属专栏。
立即订阅
登录 后留言

精选留言(14)

  • Hyun
    机器能否取代人类,首要条件是机器必须拥有人类基本的能力,其次是机器必须要有政治意识。

    人类拥有的智慧之一就是劳动能力,包括制造机器人。那么机器人只要能改造机器人就成。但培养政治意识就难了。机器人百毒不侵,不没有感知神经,不会受到人类弱点的任何考验,也就没有“哪里有压迫哪里就有反抗”的怨念源头。唯一让他们感到害怕的是,他们的电会用完,需要充电;他们的身体会腐烂,要更新;他们的脑袋会落伍,需要升级。只有当这些引起机器人的反感,让他们产生自我保护意识时,才有可能产生“取代人类”的念头。而这一切是建筑在他们有“自我保护”的意识之上的。

    所以,一旦机器也有学习人类情感意识的技能之后,翻天覆地也就在旦夕之间了。




    2019-01-31
    3
  • miketan
    强人工智能能否出现,需要有标准去验证。对于人工智能否统治人类,个人觉得这是另外一个问题,表达意思就是即便到不到强人工智能也有可能统治人类。就像人类历史上野蛮落后也能战胜先进文明。
    2019-05-08
    1
  • 蜗牛行天下
    关于人类是否会被机器人统治,我看到这样一种解释,比较认可。首先,结论是不可能。原因是,机器人从本质上讲,可以看作硅基生命。地球生物在进化的过程中,必然曾进行过各种尝试,但最终的结果是所有生物基本都属于碳基生命。碳在化学稳定性上比硅更突出,所以才成为所有生物的生命基础。机器人归根到底是构建在以硅为基础的芯片上面的,是不可能在能量利用效率上超过真正的生物体。而在更有突破性的智慧领域,我觉得更不可能超越真正的生物。宇宙中几乎每个星球都具有机器人存在所需的物质基础,而且理论上说它们会比生物有更强的环境适应能力,但为什么至今没有发现机器人类型的外星人。我觉得硅基生命不具有自我生存优势可能是一种原因。
    2019-01-31
    1
  • Twogou27
    老师,想问一下神经网络实现手写数字例子中,为什么第一层是30个感知机,不能直接一层10个感知机,然后利用梯度下降法来训练模型吗?

    作者回复: 也能,但是效果不如神经网络好

    2019-01-31
    1
  • RJ
    突然觉得人的情感,其实都是虚假的,一切都是学习模型培养出来的结果。机器的向量特征足够多,完全有可能成为甚至超越人类的。
    2019-11-07
  • benny
    机器人机器人,一旦机器成为“人”,那也是人,新人和旧人而已。如果机器人的人不是人,那就不是人
    2019-10-15
  • Liber
    感知机为什么表现的不好?一开始没理解,看看这个可以当做补充:
    https://www.jianshu.com/p/e4c1686ca4ed
    2019-03-28
  • 梦归幽
    之前在课堂上学深度学习神经网络课程时听的一知半解迷迷糊糊的,但是这次在老师的专栏里看老师再说一遍感觉就醍醐灌顶茅塞顿开了,老师的讲解真的很读到,很适合有基础的人再进一步理解
    2019-03-19
  • 暴风雪
    老师,我不明白数字识别的第一层感知机个数为什么是30个?
    2019-02-24
  • 暴风雪
    我觉得自己的数学基础不错了,没想到。。。。
    2019-02-23
  • 张苗
    强人工智能就是认为有可能制造出真正能推理和解决问题的智能机器,并且,这样的机器能将被认为是有知觉的,有自我意识的。
    我认为在现阶段以及未来20年内都不会出现强人工智能。现在的人工智能技术无论是监督学习还是非监督学习,当然神经网络也属于监督学习,都是以数据和算法为基础的,而数据决定了算法效果的上限。这些导致强人工智能在现有的技术基础上无法实现。除非在人工智能领域的基础研究有突破,打破现有的技术局限,但是基础研究的突破不是短时间能够实现的。而且就算以后强人工智能出现,它的普及也会是困难丛丛,因为来自社会伦理和公共安全等方面的阻力会很大。
    2019-02-07
  • 杰之7
    通过这一节的阅读学习,了解了从感知机到神经网络的实现原理。感知机通过输入特征训练感知机模型f(x)=sign(wx+b)的w,b参数。当出现误分类时,通过梯度下降降维求解极小值,也就是w,b值。对于误分类的集合,通过调整步长,使yi(w+xi+b)>=0
    ,老师,对于大于等于零时我的一个疑问是越接近零是不是效果越好?

    理解了感知机,神经网络可以看成多个多层多个感知机的组合。通过训练每层感知机的w,b,来达到神经网络的训练。老师在结尾说每层感知机的数量及多少层感知机是由算法工程师的内容,我的一个疑问是手写数字样本中第一层30个感知机是不是相对合理的数量?

    整个专栏接近尾声,大数据专栏也是我在极客时间订的第一个专栏,整个专栏的内容跟着老师学了一遍,对大数据和机器学习(数据挖掘)有了一些理论的认识,我想在之后的时间中最重要的事就是用这些所学的内容在实践中去训练练习,我期望数据技术就是我所要从事的职业。谢谢老师,新年快乐。
    2019-02-03
  • 无形
    机器没有意识、欲望,不可能统治人类
    2019-01-31
  • 王亚南
    人工智能的算法简单来说就是找经验,先利用大量的样本数据分析,然后利用分析形成的经验来判断。人类最初的知识也是通过经验得来的,但是人可以跟进一步,从经验总结出规律来。基本过程是根据经验做出模型假设,然后用数据来验证假设,如果能够通过验证,则规律成立,否则进一步调整模型。所以,在我看来,人类比人工智能高级之处,就在于能够做出假设,等到那天人工智能也可以自己做出假设并完成验证,强人工智能也就不远了。
    2019-01-31
收起评论
14
返回
顶部