ITPub博客

就在上周，人类对机器人进行了反击。实际上是在视频游戏中打败了他们。 在一场三强争霸赛中，两支职业战队打败了伊隆·马斯克创建的研究实验室OpenAI开发的人工智能机器人。他们所玩的Dota 2（刀塔：守卫遗迹2）电脑游戏是一款非常受欢迎并且激烈复杂的竞技游戏。而这场比赛对于人工智能来说是一块试金石：这将成为人类所创造的超越人们想象的人工智能的最新衡量标准。

在撰写这篇文章之前，我首先需要说的是，我并不认为自己是一名优秀的数据科学家或机器学习工程师。但我有一些有趣且不可思议的（对我而言）工作经历，我仅仅是想分享从中学到的一些见解。

如果你对人工智能、数据科学和机器学习感兴趣，那么我相信你一定听说过Google的机器学习API TensorFlow，他们用它来为Google搜索开发了RankBrain算法。TensorFlow是最受欢迎的机器学习API之一，它允许你自动执行多个实际任务。例如，你可以将其用于图像检测。事实上，一位曾是程序员的日本农民用它来检测最优质的黄瓜，而在这之前，这只有他父亲和母亲在拥有多年的经验中的前提下才能做到。

“梯度下降不会让你成为机器学习的专家”可能您遇到的大多数的简单线性回归和神经网络的文章都会谈论到梯度下降。在本文中，我将向您介绍一种技术，即粒子群优化（PSO）算法。毫无疑问，梯度下降是一种很好的优化技术，它适用于凸函数和低维空间，但是你还是可以期待一下PSO的结果。PSO被认为是蚁群算法、鱼群算法之外的一种群体智能的优化算法。后来它被简化并用于解决优化问题。PSO使用了一堆叫做蜂群的粒子，这些粒

本文将会使用AutoML Vision alpha来构建和部署一个机器学习模型，从原始数据收集到服务模型，以及介于两者之间的一切！该模型可识别不同类型的椅子，以及其他一些项目，以便我们进行更好的测量。

众所周知，基于现实世界数据不完整(缺少属性值，只有聚合数据)，数据不一致(比如说错误或异常值)等原因，我们对数据预处理越发的看重。在机器学习算法中，我们通常会使用一些技术来处理数据，以获得更好的结果。在这里，作者使用的是Python语言，你也可以用其他语言来处理数据。

谷歌的AutoML是一款全新的机器学习工具套件。它基于谷歌在图像识别方面的最新研究，一项被称为神经结构搜索(Nas)的技术。NAS是一种通过您的特定数据集，搜索最优的神经网络来执行该数据集上特定任务的算法。AutoML作为一整套机器学习工具，它可以帮助人们轻松地训练高性能的深层网络，而不需要用户对深度学习或人工智能有一定的了解。您所要做的只是对数据进行标记！Google会通过NAS为您的特定数据集和任务找到最优方案。实践证明，谷歌的方案比手动设计网络的方案好的多。

这几天，作者重新燃起了对数学和人工智能领域的热情。不过在作者获得计算机科学学位时，曾讨厌过这种热情。近年来，作者一直专注于软件设计、自动化测试、微服务和函数式编程。由于热爱新的编程语言，他也一直在想是否需要深入研究Golang，Scala和Python。但最终，有个问题摆在作者面前，那就是它们是构建什么东西的工具？作为一名开发人员，作者的日常工作是构建和维护微服务。

这个内容是一个分步指南，指导如何在20分钟内使用机器学习（最终达到97％的准确率）建立语言检测模型。