当前课程知识点:Introduction to Artificial Intelligence > Chapter 2 Machine Learning > 2.4 Construction of Development Environment > Video 2.4
返回《Introduction to Artificial Intelligence》慕课在线视频课程列表
返回《Introduction to Artificial Intelligence》慕课在线视频列表
大家好
在本节中
我们介绍如何构建
用于开发机器学习项目的开发环境
Python是一种通用的
解释型、交互式、面向对象的
高级编程语言
Python是解释型语言
Python在运行时由解释器处理
无需在执行程序之前对其进行编译
这类似于PERL和PHP
Python是交互式的
实际上可以在Python提示符下
直接与解释器进行交互以编写程序
Python是面向对象的
Python支持将对象中的代码封装起来的
面向对象的样式或编程技术
Python是适合初学者的语言
Python是入门级程序员的绝佳语言
它支持各种应用程序的开发
特别是数据科学
使用任何编程语言
都应该熟悉IDE
可以在“ python.org”上找到适用于python的IDE的设置
并将其安装在系统上
安装似乎很容易
并且具有IDLE来编写python程序
在系统上安装python之后
就可以用python编写程序了
Anaconda是python和R的开源发行版
它用于数据科学,机器学习,深度学习等
凭借可以使用300多个数据科学库的优势
对于任何程序员而言
通过anaconda从事数据科学工作都变得相当理想
Anaconda可帮助简化软件包管理和部署
Anaconda配备了各种各样的工具
可以使用各种机器学习和AI算法
轻松地从各种来源收集数据
通过Anaconda可以获得易于管理的环境设置
只需单击一个按钮即可部署任何项目
现在我们已经知道anaconda是什么了
让我们了解一下如何安装anaconda
并设置环境以便在我们的系统上工作
要安装anaconda
请访问以下链接
选择适合的版本,然后单击下载
我们以win10 64位操作系统为例
完成下载后,打开安装程序
按照设置中的说明进行操作
不要忘记单击"将anaconda添加到我的路径环境变量"
安装完成后,将出现一个窗口,如下图所示
完成安装后
打开anaconda提示符并键入"jupyter notebook"
将在网络浏览器中看到一个窗口
如图所示
我们将在jupyter notebook中
编写并运行我们的程序
现在,我们知道了如何将anaconda用于python
让我们看看如何在anaconda中为项目安装各种库
Scikit-learn是用于在Python中执行机器学习的库
cikit-learn是一个开放源代码库
已获得BSD许可
并且可以在各种情况下重用
以鼓励学术和商业使用
它在Python中提供了一系列
有监督和无监督的学习算法
scikit-learn包含流行的算法和库
除此之外,它还包含以下软件包
NumPy、Matplotlib、SciPy
打开anaconda提示符窗口
运行命令“ pip install sklearn”
安装scikit-learn
在图中可以看到
除了scikit-learn外
还安装了numpy和scipy
完成安装后
可以运行命令“ python”
并键入“ import sklearn”
如果未报告错误
则说明安装成功
然后,我们可以开始机器学习之旅
本小节就到这里
感谢您的收看,欢迎进入下一个阶段
-1.1 What is artificial intelligence
--Exercise 1.1
-1.2 The History of artificial intelligence
--Exercise 1.2
-1.3 Applications of Artificial Intelligence
--Exercise 1.3
-1.4 Machine Learning and Deep Learning
--Exercise 1.4
-2.1 What is Machine Learning
-2.2 Supervised Learning
-2.3 Unsupervised Learning
-2.4 Construction of Development Environment
-3.1 What is Regression
--Exercise 3.1
-3.2 Linear Regression
--Exercise 3.2
-3.3 Logistic Regression
--Exercise 3.3
-3.4 Practical Case
-4.1 What is Classification
-4.2 Naive Bayes
-4.3 Support Vector Machine
-4.4 Practical Case
-5.1 Introduction to Deep Learning
--Exercise 5.1
-5.2 What is Neural Network
--Exercise 5.2
-5.3 Neural Network Basics
--Exercise 5.3
-5.4 Practical Case
-6.1 What is Convolutional Neural Network
-6.2 Convolution Layer
-6.3 Pooling Layer
-6.4 Classical Convolutional Neural Network
-7.1 What is Computer Vision
--Exercise 7.1
-7.2 Image Classification
--Exercise 7.2
-7.3 Introduction to TensorFlow
--Exercise 7.3
-7.4 Practical Case
-8.1 What is Natural Language Processing
-8.2 Basics of NLP
-8.3 Recurrent Neural Network
-8.4 Practical Case