1、大数据与人工智能 - 解惑主讲：伍飞宇时间：2017年8月27日主 题人工智能产品02机器学习03人工智能历史及发展01人工智能案例04面对人工智能05人工智能的历史1956年达特茅斯会议召开，人工智能正式提上议程智能时代什么时候来临？当机器拥有语音识别、图像识别、自然语音理解等这些人最本质的智慧能力的时候，那么大数据人工智能时代已经来临。人工智能历史及发展人工智能应用1-围棋人工智能应用2-聊天机器人人工智能应用3-图片识别little girl is eating piece of cake.人工智能应用4-人脸识别人工智能应用5-图片文字提取人工智能应用6-自动驾驶汽车Machine L
2、earning(ML) is a scientific discipline that deals with the construction and study of algorithms that can learn from data.机器学习是一门从数据中研究算法的科学学科。机器学习直白来讲，是根据已有的数据，进行算法选择，并基于算法和数据构建模型，最终对未来进行预测机器学习定义1：传统模型算法2：深度学习算法机器学习算法1：决策树算法 2：K-近邻算法3：支持向量机(SVN)4：关联分析(Apriori)5：隐马尔科夫模型(HMM)6：AdaBoost算法7：朴素贝叶斯算法 .传统算
3、法深度神经网络(DNN)(Deep Neural Network)应用场景：搜索排序、推荐排序深度学习卷积神经网络(CNN)(Convolutional Neural Network)应用场景：图像识别、视频分析深度学习循环神经网络(RNN)(Recurrent Neural Network)应用场景：语音识别、自然语言处理深度学习投资策略1：选择项目2：选择时间3：风险控制4：买入项目5：卖出项目智能P2P投资系统预测流程新闻及政策预测投资走向数据收集数据处理文本向量化信息抽取中文分词特殊过滤情感分析中文分词分词操作词向量表示1：One-Hot稀疏编码橙子 1 0 0 0 0 菠萝 0 1
4、0 0 0 2：Embedding稠密编码橙子 0.3 0.2向量表示词编码训练（Word2Vec）1：基于上下文预测词2：基于词预测上下文可通过以下实现1：python Gensim 工具包2：world2Vec google开源向量标记训练投入模型进行训练例如：卷积神经网络 CNN基本原理：二维图像-分解方格-卷积变换-池化-取出最大值输出(最终得出图像的类别)模型训练图像与单词连接思路：一维单词-二维矩阵以单词向量作为输入项目收益的波动作为输出模型训练一：数据来源 1：网络爬虫 2：开源工具 3：大数据平台二：预测步骤 1 : 数据清洗 例如通过jieba分词系统 分词、过滤等操作 2：通过 python中的 numpy、pandas、Matplotlib完成数据预处理及特征提取操作 3：通过tensorflow、tflearn深度学习工具包进行深度学习建模。开发流程总结对比：智能与非智能比较智能投资主观投资分析依据算法模型主观经验分析方法定量分析定性分析分析品种多样化少数品种投资周期短中期中长期风险控制风险最小化风险考虑不全人工智能应用开发流程数据收集数据清洗特征工程数据建模如果你是下面的行业1：司机2：医生3：记者4：翻译5：会计6：律师 你应该怎么办？面对人工智能Q&A
