人工智能教程（七）：Scikit-learn 和训练第一个模型
在本系列的 上一篇文章 中，我们用 TensorFlow 构建了第一个神经网络，然后还通过 Keras 接触了第一个数据集。在本系列的第七篇文章中，我们将继续探索神经网络，并使用数据集来训练模型。我们还将介绍另一个强大的机器学习 Python 库 scikit-learn。不过在进入正题之前，我要介绍两个轰动性的人工智能应用：ChatGPT 和 DALL-E 2。（LCTT 译注：此文原文发表于
人工智能教程（五）：Anaconda 以及更多概率论
在本系列的第五篇文章中，我们将继续介绍概率和统计中的概念。 在本系列的 前一篇文章 中，我们首先介绍了使用 TensorFlow。它是一个非常强大的开发人工智能和机器学习应用程序的库。然后我们讨论了概率论的相关知识，为我们后面的讨论打下基础。在本系列的第五篇文章中，我们将继续介绍概率和统计中的概念。 在本文中我将首先介绍 Anaconda，一个用于科学计算的 Python 发行版。它对于开发人工智
人工智能教程（四）：概率论入门
在本系列的 上一篇文章 中，我们进一步讨论了矩阵和线性代数，并学习了用 JupyterLab 来运行 Python 代码。在本系列的第四篇文章中，我们将开始学习 TensorFlow，这是一个非常强大的人工智能和机器学习库。我们也会简要介绍一些其它有用的库。稍后，我们将讨论概率、理论以及代码。和往常一样，我们先讨论一些能拓宽我们对人工智能的理解的话题。 到目前为止，我们只是从技术方面讨论人工智能。
人工智能教程（三）：更多有用的 Python 库
在本系列的 上一篇文章 中，我们回顾了人工智能的历史，然后详细地讨论了矩阵。在本系列的第三篇文章中，我们将了解更多的矩阵操作，同时再介绍几个人工智能 Python 库。 在进入主题之前，我们先讨论几个人工智能和机器学习中常用的重要术语。人工神经网络 artificial neural network（通常简称为 神经网络 neural network，NN）是机器学习和深度学习的核心。顾名思义，它
