从Python入门-如何成为一名AI工程师

如何高效学习AI

•     学习效率
•     学习质量 ：广度+深度
•     态度+意识
•     没有章法的勤劳=白劳
•     学习强度​

     反思：

•     主动吃苦
•     学习方法至关重要
•     赶路时千万别忘了： 停下来，回头看看脚印，抬头看看前方

（1）学习金字塔

• 主动学习>被动学习
• 教授>总结>实践>看书

 经验

• 学而不用就忘记
• 学而不思也忘记
• 理解>记忆
• 图像记忆>文字记忆
• 贪多必失，学该学的

大脑学习之道:

图谱结构+注意力+联想记忆+推理反思

算法

1. 逻辑控制

分支

if-elif-else

循环

for、while

- for 循环次数固定、while 不固定

- 中止语句：continue 、break

- pass

- return、yield

- exit

异常

try-except-finally

2. 基础算法

排序（visualgo数据结构可视化网站）

- 内部排序

  - 交换排序：冒泡、快速排序

  - 插入排序：直接插入、希尔排序

  - 选择排序： 简单选择、堆排序

  - 归并排序

  - 基数排序

- 外部排序

查找

3. 简单算法

分治

递归

贪心

动态规划

回溯

分支限界

AI 改变生活：

- 图像、语音、文字、游戏、无人驾驶

- NLP

DL发展历史：

神经元-->单层神经网络-->两层神经网络-->多层神经网络

三大因素：

- 海量数据

- 计算能力

- 算法突破

DL结构：

- 基础知识：

    - 线性代数、概率、信息论、数值计算

    - 机器学习

 - 深度学习算法：

    - FFN、正则化、优化

    - CNN、RNN

    - 实战、应用

- 展望：

   - 线性因子模型、自编器

   - 结构概率模型、蒙特卡洛方法

   - 深度生成模型

神经网络的优点：

网络实质上实现了一个从输入到输出的映射功能，而数学理论已证明它具有实现任何复杂非线性映射的功能。这使得它特别适合于求解内部机制复杂的问题。

网络能通过学习带正确答案的实例集自动提取“合理的”求解规则，即具有自学习能力。

网络具有一定的推广、概括能力。

神经网络的缺点：

对初始权重非常敏感，极易收敛于局部极小。

容易 Over Fitting 和 Over Training。

如何选择隐藏层数和神经元个数没有一个科学的指导流程，有时候感觉就是靠猜。

不同的生物有不同的视觉系统，相同的图片经过不同的视觉系统可能的到不同的图像，卷积神经网络本质上是模拟了人的生物视觉系统。卷积圣经网络通常用于网格结构数据，如图像、时序数据（NLP）等

传统常用图像人工特征提取方法：

• SIFT：Scale Invariant Feature Transform
• Hog：Histogram of Oriented Gradients

卷积神经网络就是至少一层使用卷积运算的神经网络，其特性包含：

• 稀疏交互（Sparse interaction）
• 参数共享（Parameter sharing）
• 等变表示（Equivariant representation）

基本运算包含：

• 卷积：提取特征
• 池化：降维

CNN的特性：

• 稀疏连接：卷积和的规模远小于图像规模，层数越深，感受野越大

• 参数共享：在同一层中，卷积核里面的权重不变，与全连接相比，可以节省很大空间
• 等变表示：多次变化、顺序无关。函数相互独立。f(g(x)) = g(f(x))

与常规神经网络不同，RNN适用于需要有前后依赖关系的情形，如：机器翻译、股票预测等场景。

类型包括：简单RNN、双向RNN

LSTM、GRU等

RNN常见应用：

• 聊天机器人
• 机器翻译
• 语音识别
• 图像描述

《线性代数的本质》

《马同学高等数学》

对于初学者来说，良好的解释比证明重要得多。

• 线性变换 + 平移变换 = 仿射变换

线性空间的任意点在线性变换前后一定保持等距分布。

• 特征值就是运动的速度
• 特征向量就是运动的方向

对一个向量做线性变换，N(A^N)次以后它会趋近于一个方向，这个方向就是矩阵分解的最大特征值对应的方向。

高斯混合模型：

• 通过简单的概率分布构造复杂的概率分布
• 万能近似器

x = [12, 74, 23, 43, 19]
x.append(54)
print(x)
x.extend([34, 37])
print(x)

print('Hello %$!' %('World'))

x = [12, 74, 23, 43, 19]
print(x)
x.append(54) #在list后追加一个元素
print(x)
x.extend([34, 37]) #在列表后追加列表
print(x)
print(x[1:4]) #字符串切片操作
del(x[3]) #字符串删除操作，小心使用，不要在遍历时改变list结构
print(x) 
y = x[1:4]
print(y) #切片，左闭右开
x.insert(6,6666)
print(x)
x.pop() #尾部删除
print(x)
x.remove(6666) #删除指定元素
print(x)
print(x.count(23)) #统计元素出现个数
print(x.index(23)) #查找元素，返回下标
x.reverse() #列表逆置
print(x)
x.sort()
print(x) #排序(默认升序)

•   转义：\
•  横向制表符：\t
• -纵向制表符： \v
• -换行(软回车)：\n
• -硬回车：\r\n
• 字符串运算符：+，*，[]，in，not in

a = 'hello Python'
print(a.capitalize()) #将字符串首字母大写
print(a.center(20)) #将字符串a置于20个空格字符的中间
print(a.startswith('H')) #判断字符串是否以某个字母开始
print(a.startswith('h'))
print(a.endswith('n')) #判断字符串是否以某个字母结束
print(a.lower()) #将字符串统一小写
print(a.upper()) #将字符串统一大写
print(a.islower()) #判断字符串是否小写
print(a.isupper()) #判断字符串是否大写
print(a.find('l')) #查找字符串，返回第一个查找到的字符串的首字符的索引,找不到不报错返回-1
print(a.index('P')) #查找字串，返回索引，查不到报错
print(a.replace('l', 'W')) #替换所有

• 数据结构 + 算法 = 程序
• 栈: 先进后出
• 队列: 先进先出
•  Python数据类型:整型\浮点\字符串\布尔
• type(x)获取x的数据类型
• 逻辑运算: and\or\not
• Python的数据结构:列表\元组\字典\集合 
• 列表追加元素: list.append()
• 列表追加列表: list.extend([...])
• 不要在遍历时改变列表结构
• 任意位置插入: x.insert()
• 尾部删除: x.pop
• 删除指定元素: x.remove()
• 清空: x.clear()
• 复制: x.copy()
• 统计元素出现个数: x.count()
• x.index()查找元素,找到返回索引,未找到返回-1
• 逆置: x.reverse()
• 排序(默认升序): x.sort()
• list是顺序结构,结合数组+队列+栈
• tuple不能修改.x = {1,2,3,4,5)
• d['a']获取,不存在时报错
• d.get('a',0)不存在时给默认值
• d['c'] = 5增加
• d.update({'c':5, 'd':8})更新
• del d['d']删除
• d.popitem()从尾部删除键值对
• d.keys()获取所有key值,返回list
• d.values()获取所有value值,返回list
• 字典也可以有序:inport collections \n ordered_dict = collections.OrderedDict(items)
• a = set([a,s,d,])
• 并集: a.union(b)
• 交集: a.intersection(b)
• c = a - b 差集(a独有)
• c = b - a 差集(b独有)
• c = a ^ b 对称差集(a ,b独有)
• a.symmetric_difference(b)
• a.symmetric_difference_update(b)
• 添加元素: a.add(20)
• 用一个列表更新集合: a.update([10, 11])
• 删除集合中的元素: a.remove(10),元素不存在时报错
• 删除集合中的元素:a.discard(10),元素不存在时不报错
• a.pop(10)移除尾部元素
• 把集合变成不能变的集合: c = frozenset(a),类似tuple与list的关系
• 两个集合判断: a == b, a != b
• a in b 是否 $\blong$ a.issubset(b), a.issuperset(b)
• a mot in b
• a.isdisjoint(b), 是否存在交集

• python intro_raw.py——执行脚本，import部分生成pyc字节码文件。
• 首次执行或者文件更新时才有pyc
• 下次执行时，如果pyc时间戳跟py无差异就直接调用pyc给解释器执行，否则重新生成。
• pyc，即PythonCodeObject，提速+代码加密
• python -m filename.py——执行包，生成pyc。
• python -c "print('hello')"——执行单行脚本
• windows下生成的pyc文件在——_pycache_目录里。
• 调试工具：IDLE的debugger、pdb、pudb。
• python -m pdb filename.py