人工智能導論基礎概念提綱
*Google的圍棋機器人至今已發展有四代，分別是哪四代?*
AlphaGo；
AlphaGo-Master；
AlphaGo-Zero；
AlphaZero。
*AlphaGo是一款什么程序？*
AlphaGo是由谷歌旗下的的一款基於人工智能的圍棋程序。
*什么是人工智能？*
通過計算機系統和模型（算法、數據），模擬人類心智的技術體系和實現方法的集合。
*“人工智能”、“機器學習”和“深度學習”之間的關系是怎樣的？*
我們將機器學習描述為實現人工智能的一種方式方法。
深度學習是一種實現機器學習的技術，是機器學習的子集。
*我國在語音識別方面領先的公司是哪個？*
科大訊飛。
*哪個會議標志着人工智能正式誕生並且成為一個獨立領域？*
達特茅斯會議。
*指紋識別的廣泛應用最主要是因為什么？*
是目前最成熟且價格便宜的生物特征識別技術之一。
*人臉識別關鍵是提取人臉的什么部位？*
眼、口、鼻輪廓等72個關鍵點定位。
*商業智能包含哪些技術？*
現代數據倉庫技術、線上分析處理技術、數據挖掘和數據展現技術。
*智能監控主要運用那種技術？*
目標檢測、目標追蹤、三維建模、目標重識別、行為理解和描述。
*哪款機器人目前已獲得公民身份證？*
索菲亞。
*如何增強計算能力，加快計算速度？*
使用雲計算、高性能計算技術，使用GPU、EPGA以及人工智能專用芯片。
*人工智能的分類方法和種類？*
按智能的能力分:
強人工智能 弱人工智能
按智能的方式分:
計算智能:計算能力和存儲能力超強的智能*
認知智能:能聽會說人類的語言、看懂世界萬物的智能*
感知智能: 夠思考並采取行動的智能*
*人工智能產業鏈是如何划分？*
基礎層、技術層和應用層。
*什么是“網絡爬蟲”？其過程是怎樣的？*
網絡爬蟲（Web crawler），是一種按照一定的規則，自動地抓取萬維網信息的程序或者腳本。其過程主要分為三部：數據采集，處理，儲存，即：爬蟲通過模擬計算機對服務器端發起Request請求,接收服務器端的Response回應並進行解析、提取所需的信息。*
*數據集研究包含哪幾個重要方面？*
數據收集、整理與清洗、數據分析、數據可視化、圖像處理。
*MNIST是怎樣的一種數據集？*
MNIST是一個簡單的計算機視覺數據集，它由28×28像素的手寫數字圖像組成。
*數據整理包括哪些過程？*
數據的清洗、數據格式轉換、歸類編碼、數字編碼。
*Python模塊的加載有哪兩種方式？*
1、from import。
2、import。
*利用Python來處理excel文件主要用到的包是那幾個？*
xlrd和xlwt兩個模塊分別用來讀Excel和寫Excel。
*Python數據可視化用到的最基礎包是什么？*
Matplotlib包。
*索引號為-1在是Python序列中的含義是什么？*
-1 為從末尾的開始位置。
*列表L*2的含義是什么？*
列表內部的每一個元素都*2。
*數字圖像處理技術主要涉及到幾個方面？*
圖像變換、圖像編碼壓縮、圖像增強和復原圖像、圖像分割、圖像描述、圖像分類。
*語音數據的應用場景有哪些？*
語音識別、語音合成、語音交互、機器翻譯、聲紋識別。
*視頻應用場景有哪些？*
智能監控、計算機視覺。
*“機器學習”的含義是什么？*
是人工智能的一個重要分支和核心研究內容，通過算法和模型的設計，使機器從已有的數據（訓練數據集）中自動分析、習得規律（模型與參數），再利用規律對未知數據進行預測，不同的算法和模型的預測准確率、運算量不同。
*“機器學習”可以怎樣分類？分別是哪幾類？*
從學習的形式來分類：
有監督學習、無監督學習、半監督學習、強化學習
從學習的任務來分類，機器學習可以分為哪幾類？
分類、回歸、聚類（事先不知道類別）、降維、異常檢測
*什么是有監督學習？*
有監督學習（有標簽），指的是事先需要准備好輸入與正確 輸出（區分方法）相配套的訓練數據，讓計算加進行學習，以便當它被輸入 某個數據時能夠得到正確的輸出(區分方法)。
*什么是無監督學習？*
無監督學習（基於假設）,類別未知(沒有被標記)的訓練樣本解決模式識別中的各種問題。
*機器學習常見任務中，哪些屬於有監督學習，哪些屬於無監督學習？*
有監督學習：
分類問題、回歸問題
無監督學習：
聚類、異常檢測
*在機器學習中，什么是示例、屬性、屬性值、維數？*
示例：是對某個對象的描述，也叫樣本
屬性：是對對象的某方面表現或特征
屬性值：是屬性上的取值
維數：是描述樣本屬性參數的個數
*機器學習中的分類和聚類的區別是什么？*
分類：有標記，事先明確知道各個類別的信息。
聚類：無標記，把相似的（或距離近的）樣本聚為同一類，事先不知道類別。
*分類主要算法有哪些？*
K近鄰分類算法
決策樹分類算法
貝葉斯分類算法
支持向量機分類算法
神經網絡
*什么是分類器？*
在機器學習中，分類器作用是在標記好類別的訓練數據基礎上判斷一個新的觀察樣本所屬的類別
*如何評價一個二分類分類器的性能？*
准確度、精確度、召回率
*人工神經元模型是怎樣的？*
人工神經元是一個多輸入單輸出的非線性閾值器件。
人工神經元的特點:
神經元是一多輸入、單輸出元件;
具有非線性的輸入、輸出特性;
具有可塑性,其塑性變化的部分主要是權值的變化;
神經元的輸出響應是各個輸入值的綜合作用結果;
輸入分為興奮型(正值)和抑制型(負值)兩種。
*什么是“激活”？什么是“激活函數”？*
神經元的計算過程稱為激活。
激活函數(Activation Function )一般是非線性函數,常用的激活函數:
VSigmoid函數、
雙曲正切函數(Tanh)、
VReLu函數(Rectified Linear Units )等。
*搭建一個神經網絡需要滿足哪些條件？*
輸入和輸出、權重和閾值，多層網絡結構。
*神經網絡的分類有哪些，分別是什么？*
按性能分:連續型和離散型網絡,或確定型和隨機型網絡;
按學習方法分:有監督學習網絡、半監督學習網絡和無監督學習網絡;
按拓撲結構分:前饋網絡和反饋網絡。
*前饋神經網絡包含哪些典型網絡？*
感知器網絡、BP網絡、卷積神經網絡（CNN）、RBF網絡
*一個典型的神經網絡的具有哪幾層？*
輸入層(Input Layer ),對應樣本特征;
輸出層(Output Layer) ,對應輸出結果;
隱層(Hidden Layer,)
通常把需要計算的層次稱之為“計算層” 。
*BP網絡和卷積神經網絡屬於哪種類型的網絡（拓補分類）？*
前饋神經網絡
*卷積神經網絡的三大核心思想是什么？*
local receptive fields(局部感受野)
shared weights(參數共享)
pooling(池化)
*卷積神經網絡最主要的功能是什么？*
特征提取和降維
*卷積神經網絡有哪些特點？*
它的神經元的連接是非全連接的（局部連接或稀疏連接）
同一層中某些神經元之間的連接權重是共享的
*LeNet-5是一種什么網絡模型？主要功能是什么？具有幾層結構？*
是卷積神經網絡（前饋神經網絡）
用於手寫數字識別
LeNet-5共有7層(不包括輸入層) ,分別是2個卷積層、2個下抽樣層(池化層)、3個全連接層(其中C5層是卷積層,但使用全連接) 。