【AI】学习笔记

前言

2022年12月5日18:31，我开始学习人工智能了，不知道能学得怎么样，试试看吧。
目前正在看入门的内容，大概的想法是往音频的识别方向以及与其他模型结合也就是多模态方向研究。
毕竟已经做了几年的音频处理，而且我确实不是对图像很敏感的一个人，所以以前才不做剪辑跑去做混音了。一些设想的话，混音工作应该是无法用ai代替的。ai也不想做这个，它只是想让机器能有“听觉”。罢了，方向慢慢摸索吧。

这份笔记应该会比较嘴碎，原谅我时不时的吐槽。基本是写给我自己看的。

关于学习路径，我是先看的3Blue1Brown的深度学习的视频，然后现在在看吴恩达教授的CS229 机器学习的视频课程。

CS229的课程讲义在github上公开。目前2022年github已经无法访问了，所以我把之前保存的教授的讲义放在网盘里分享一下，有需要的自行下载。阿里网盘链接：https://www.aliyundrive.com/s/kxpkzAFd4m6

---

笔记目录：

【AI-1】神经网络和深度学习
【AI-2】机器学习-监督学习
【AI-3】机器学习-损失函数
【AI-3-1】机器学习-似然函数技巧
【AI-3-2】机器学习-交叉熵法
【AI-4】机器学习-支持向量机

番外篇：

【AI-F1】论AI、平等与不平等
AI之辩（技术革命）

---

笔记的大致的流程是，在科普性的介绍后，会介绍一些机器学习的工具。应该会展开讲讲的那种。工具有以下几个：监督学习（surpervised learning）、深度学习（deep learning）、无监督学习（unsurpervised learning）、机器学习策略（machine learning tips）。不过同时要有一些数学基础。线性代数、微积分和一些概率论的相关知识。

---

The End