Download as PDF, PPTX
Uploaded byYe (Julia) Li
Why is data so important?
本文探讨了数据在人工智能和机器学习中的重要性，强调了模型的生命周期和数据分析的必要条件。数据处理工具如Python和Pandas被介绍为关键的分析工具，并讨论了数据清洗的常见问题及应对策略。通过具体实现，读者可将理论应用于实践以解决实际问题。
Why is data so important?
- 1.
- 2. 数据 • 数据处理 • 数据分析 •数据挖掘 • 人工智能 • 机器学习 • 深度学习
- 3. 人工智能 • 会思考的机器 • 1955– 至今几度沉浮
- 4. 人工智能的第三个高峰 • 算法 • Hinton，Reducingthe dimensionality of data with neural networks（2006） • 算力 • GPU，TPU，NPU …… • 数据 • Big Data （Hadoop，Spark……）
- 5. 模型、算法 和数据 • AI模型 • 机器学习模型 •深度学习模型 • 算法 + 数据 => 模型
- 6. 模型的生命周期 • 数据预处理 • 模型训练 •模型验证/测试 • 模型服务
- 7. 模型的决定因素和使用方法 • 决定因素 • 数据 •算法 • 运算 • 使用方法 • 产品 • API • 本地部署 • 迁移学习 • 从零训练
- 8. 数据分析 • 进军AI的必备条件 • 认识数据 •了解统计学原理 • 学习数据处理方法
- 9. 数据分析工具 • Python • Libraies •numpy：维度数组与矩阵 运算 • pandas：数据处理与数据 分析 • sklearn (scikit-learn)
- 10. Python pands pd.read_csv() •Get Information •Indexing •Row &Column •Statistics •Get Description pandas.DataFrame
- 11. Python sklearn • sklearn.preprocessing.LabelEncoder •为标签编码 • 将枚举值转化为数值值 • 数据标签的作用 • 有监督学习 • 无监督学习
- 12.
- 13. 原理 vs 实现• 原理 • 方法、规则、流程 • 抽象层面 • 实现 • 执行 • 具体层面 • 工具、步骤、原料、成 品 • 数据清洗 • 移除、填充、合并 • 对数据的操作 • 用Python清洗保险数据 • 数据源：csv文件 • 工具：Python , numpy, pandas • 用工具编写程序处理 数据源，获得清洗后 的数据
- 14.
- 15.