CC07后期-机器智能-学习日志

周二

张禹珩 2018012011

以前人工智能在我心中只是一个概念，我只知道一些片面的人工智能的应用，比如自动驾驶、人脸识别等等。在本节课的学习中，我了解了更多人工智能的原理，比如人工智能是通过不断的学习来提高自己的智能，从而让自己越来越接近人类。最令我感到惊奇的就是IBM开发的辩论人工智能，这样的人工智能竟然可以通过深度学习在辩论能力上达到媲美专业辩论选手的水平，这真是令人印象深刻。

张博雅2018012954

这节课我们在刘老师带领下首先了解了AI发展史，通过观看AI机器人与前乒乓球世界冠军比赛、微软盲人软件工程师、IBM沃森机器人在《危险边缘》游戏中的进化和辩论机器人项目等视频，对AI技术发展情况有了更清晰的了解。虽然Tensorflow安装出了一些小问题，但是我们还是利用Python TensorFlow Basics里激活函数的语句尝试绘制了一些图像。喜欢刘老师充满激情和感染力的授课，刘老师和马老师辛苦啦!

胡毅2017010801

人工智能无疑是现在这个时代最为热门的话题，通过这次课程，老师向我们介绍了人工智能的发展历史，给我们展示了许多有趣的与AI有关的视频，让我们对AI产生了更浓厚的兴趣，有了更清晰深入的了解。在课上，老师还让我们训练AI来识别照片，整个过程很有趣也很有收获。感谢两位老师的生动的讲解！

周三

胥嘉政2018011300

对AI的发展进一步地了解，各种应用生动有趣，尤其是IBM的辩论人工智能，对自然语言处理的技术感到非常震撼。课上采集照片训练AI识别图像很有趣，虽然因为参观声智科技 的行程没能有机会进一步学习AI的图像识别训练。总体上，课程丰富有趣，感谢两位老师的讲解。

周五

胡家祺 2018011445

两个下午的时间里，我们搭建了Anaconda, TensorFlow和Ubuntu虚拟机环境，了解了神经网络模型的基本与那里，并欣赏了一些最前沿的应用。最终我们利用学长学姐编号的AI程序，亲自用摄像头采集了上百张“石头剪刀布”手势的数据，训练了一个卷集神经网络。我们实实在在地体会到数据规模对AI的重要性（以及一个大硬盘大宽带的重要性）。全程避免了令初学者望而生畏的难关，让我感到AI是平易的,可学习的（，成功把我忽悠进了AI的大坑哈哈）。另外，课上播放了许多前沿的AI应用，如成熟的四旋翼无人机算法，Atlas机器人等，真是令我感到震撼。国外在机器人方面的水平发展到了如此程度，我作为自动化系的学生，更应奋发图强啊！

赵心怡2018013417

通过这节课的学习，我初步了解了人工智能，并且了解到这个领域的发展前沿，最后我们尝试用python构建神经网络，训练石头剪刀布的图像识别系统，我们发现，训练集的大小直接决定了最终训练的效果，包括参数的设置，也非常重要。自己也将在这方面进行更深入的研究。

雷世龙2018011463

我们在电脑上安装了Ubuntu虚拟机，然后学习了TensorFlow Anaconda等知识，了解了计算机视觉和神经网络的一些前沿知识，极大的扩展了视野。另外训练了一个神经网络来做剪刀石头布的游戏，十分有意思。

2018011646张逸之

这节课，老师介绍了卷积神经网络，循环神经网络，以及长短时记忆神经网络（LSTM）等等，利用已有的AI系统用几十张石头剪刀布的图片进行训练，同时观看了有关AI 的视频，感觉自己对于AI 的兴趣又提高了。

辜俊皓2017011281

emmm，关于这次的网络搭建，其实之前有接触过类似的全连接网络，不过使用theano库实现的，这次改为TensorFlow而且是在ubuntu系统上搭建，在环境配置上花费了较多的时间，但后续的开发还是相当顺利的；不过有点遗憾的是第二节课由于个人原因没能来上课，错过了最后的成果检验，只能以后有机会再自己搭了。

周弘毅 2017012204

在这两节课的学习中，我们通过虚拟机体验了Linux系统的操作环境，同时搭建了一个计算及深度学习的神经网络。我们通过上传一系列样本图片使计算机学习分辨石头、剪刀、布。在最开始，计算机学习了30张图片后，分辨的正确率还很低。但在学习了老师提供的一个含有500张图片的数据库，以及助教帮我调节了一些参数之后，分辨的正确率就变得很高。另外我感受到计算机进行深度学习的训练需要的时间很长。学习500张图片就需要将近40分钟，在学习一些更复杂的事物可能需要更长的时间。本节课让我对深度学习有了一些概念，非常有趣，也让我对计算机有了更多了解。