印度的貢獻(xiàn)全文？

1)紐扣:公元前2000年，紐扣首次在印度河流域使用。最初發(fā)明它是為了觀賞而不是固定。

2)象棋:6世紀(jì)印度笈多帝國發(fā)明的一種古代策略游戲。

3)尺子:公元前1500年，印度河流域發(fā)明了第一把尺子。它由象牙制成，精確度驚人。

4)洗發(fā)水:最初是莫臥兒帝國國民的頭部按摩油。這些年來，它演變成了洗發(fā)水。

5)棉花種植:古希臘人過去穿獸皮，不戴帽子。;我甚至不知道棉花。但當(dāng)印度人感到寒冷時(shí)，他們開始在印度河流域種植棉花，很快就被世界各地的人們訂購。

6)撲克游戲:撲克起源于印度的一種流行游戲，叫做Kridapatram(字面意思是"畫衣服玩").

7)白內(nèi)障手術(shù):印度醫(yī)生蘇什魯塔(公元前6世紀(jì))進(jìn)行了白內(nèi)障手術(shù)。后來它被傳播到和希臘。希臘科學(xué)家甚至去印度學(xué)習(xí)基本操作。

8)鉆石開采:印度是全世界鉆石的唯一來源，直到18世紀(jì)的巴西。

又找到鉆石了。5000年前，鉆石首先在印度中部被發(fā)現(xiàn)和開采。

9)月球上的水:ISRO和；;美國的探月計(jì)劃獲得了圓滿成功，人們發(fā)現(xiàn)月球上不僅有干燥的巖石，還有水。

10)無線通信:1895年，賈格迪什·錢德拉·博斯爵士在印度首次公開演示了通信無線電波。

11)廁所:印度河流域文明第一次使用廁所。大多數(shù)家庭都有廁所，并連接到一個(gè)復(fù)雜的污水處理器。

12)二進(jìn)制代碼:公元前200年，二進(jìn)制數(shù)字首次描述了Pingala，這是已知的最早的梵文韻腳。

13)墨水:從公元前4世紀(jì)開始，在印度南部用尖針書寫墨水已經(jīng)很普遍了。

14)鋼鐵和金屬工程:古印度人是冶金工業(yè)的先驅(qū)，能夠生產(chǎn)高質(zhì)量的鋼材。2000年以后歐美才掌握了煉鋼技術(shù)。

15)整形手術(shù):

如何制作chm格式的象棋電子書？

用東平xqf到UBB工具或者棋友軟件或者棋友生成一個(gè)網(wǎng)頁文件，然后用easychm軟件做一個(gè)電子書。如果需要轉(zhuǎn)換代碼，可以使用sup

機(jī)器學(xué)習(xí)、數(shù)據(jù)科學(xué)、人工智能、深度學(xué)習(xí)和統(tǒng)計(jì)學(xué)之間的區(qū)別是什么？

1.數(shù)據(jù)科學(xué)

簡單定義為:數(shù)據(jù)科學(xué)是從數(shù)據(jù)中提取有用知識(shí)的一系列技能和技術(shù)。

這些技能通常由德魯·康威創(chuàng)建的文氏圖(或其變體)來表示:

三個(gè)圓圈代表三個(gè)不同的領(lǐng)域:編程領(lǐng)域(語言知識(shí)、語言庫、設(shè)計(jì)模式、架構(gòu)等。);數(shù)學(xué)(代數(shù)、微積分等。)和統(tǒng)計(jì)；數(shù)據(jù)域(特定項(xiàng)圈領(lǐng)域知識(shí):醫(yī)療、金融、工業(yè)等。).

這些領(lǐng)域共同構(gòu)成了定義中的技能和技術(shù)。它們包括數(shù)據(jù)獲取、數(shù)據(jù)清洗、數(shù)據(jù)分析、假設(shè)創(chuàng)建、算法、機(jī)器學(xué)習(xí)、優(yōu)化、結(jié)果可視化等等。

數(shù)據(jù)科學(xué)匯集了這些領(lǐng)域和技能，以支持和改進(jìn)從原始數(shù)據(jù)中提取見解和知識(shí)的過程。

什么是"有用的知識(shí)"？能有一定價(jià)值，能回答或解決現(xiàn)實(shí)世界問題的，是知識(shí)。

數(shù)據(jù)科學(xué)也可以定義為:研究和應(yīng)用數(shù)據(jù)處理和分析的進(jìn)展，為我們提供解決方案和答案。

2.人工智能

機(jī)器會(huì)思考嗎？

1950年，艾倫·圖靈提出了這個(gè)問題，他甚至發(fā)明了一個(gè)著名的測試來評估機(jī)器給出的答案是否與人類給出的答案相似。從此，人工智能的幻想開始了，重點(diǎn)是模仿人類的行為。

你做過那個(gè)測試了嗎？

人工智能不是《銀翼》的克隆人或《太空堡壘卡拉狄加》的賽昂人。我們可以把人工智能定義為任何具有某種智能行為的機(jī)器或軟件。

什么是智能行為？

好問題！這就是分歧所在。隨著機(jī)器新功能的不斷發(fā)展，以前被認(rèn)為是智能的任務(wù)也被從人工智能環(huán)境中剝離出來。

我們可以將人工智能定義為能夠正確解釋來自其環(huán)境的數(shù)據(jù)，從中學(xué)習(xí)，并在不斷變化的環(huán)境中使用獲得的知識(shí)執(zhí)行特定任務(wù)的機(jī)器或軟件。

比如能自己停下來的車就不是智能車；它只是按照套路測量距離和運(yùn)動(dòng)。我們認(rèn)為能自動(dòng)駕駛的汽車是智能的，因?yàn)樗芨鶕?jù)周圍的事件(在完全不確定的環(huán)境中)做出決策。

人工智能領(lǐng)域包括幾個(gè)分支，目前正處于鼎盛時(shí)期。想象一下，你就會(huì)確切地知道我們在談?wù)撌裁?

3.機(jī)器學(xué)習(xí)

機(jī)器學(xué)習(xí)是人工智能最重要的分支。它的任務(wù)是:研發(fā)技術(shù)，讓機(jī)器在沒有人類明確指令的情況下，能夠自我學(xué)習(xí)，從而執(zhí)行特定的任務(wù)。

機(jī)器將從輸入數(shù)據(jù)集(稱為樣本或訓(xùn)練數(shù)據(jù))中學(xué)習(xí)，并根據(jù)算法檢測到的模式建立數(shù)學(xué)模型。該模型的最終目標(biāo)是對來自同一數(shù)據(jù)源的數(shù)據(jù)做出(準(zhǔn)確的)預(yù)測或決策。

有兩種類型的傳統(tǒng)機(jī)器學(xué)習(xí):

監(jiān)督學(xué)習(xí):當(dāng)訓(xùn)練數(shù)據(jù)是"標(biāo)記"。這意味著，對于每個(gè)樣本，我們都有對應(yīng)于觀察變量(輸入)和變量(輸出、目標(biāo)或因變量)的值，我們希望學(xué)習(xí)預(yù)測或分類。在這種類型中，我們發(fā)現(xiàn)回歸算法(用于預(yù)測數(shù)值的算法)和分類算法(當(dāng)輸出限于某些分類值時(shí))。

無監(jiān)督學(xué)習(xí):當(dāng)訓(xùn)練數(shù)據(jù)沒有標(biāo)記時(shí)(我們沒有目標(biāo)變量)。這里的目標(biāo)是找到某種結(jié)構(gòu)或模式，比如訓(xùn)練樣本。對行進(jìn)行分組，以便我們可以對未來的樣本進(jìn)行分類。

傳統(tǒng)的機(jī)器學(xué)習(xí)已經(jīng)讓位于更復(fù)雜或更現(xiàn)代的學(xué)習(xí)類型:

集成法:基本上是幾種算法一起使用，把它們的結(jié)果組合起來，得到更好的結(jié)果。雖然XGBoost是以其在Kaggl《星際爭霸2》，實(shí)力碾壓人類)。

深度學(xué)習(xí):皇冠上的寶石…

4.深度學(xué)習(xí)

深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個(gè)子領(lǐng)域。

它是基于人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用。人工神經(jīng)網(wǎng)絡(luò)是一種具有層次結(jié)構(gòu)的計(jì)算模型，由相互連接的節(jié)點(diǎn)共同工作而形成。這個(gè)名字的靈感來自(或試圖模仿)大腦的生物神經(jīng)網(wǎng)絡(luò)。

雖然神經(jīng)網(wǎng)絡(luò)已經(jīng)被研究和使用了很多年，但是這方面的進(jìn)展一直比較緩慢；主要是計(jì)算能力不足。雖然近年來深度學(xué)習(xí)發(fā)展蓬勃，部分原因是由于CPU在神經(jīng)網(wǎng)絡(luò)訓(xùn)練中的使用，但它才剛剛起步十年。

一般認(rèn)為，任何機(jī)器學(xué)習(xí)問題，不管多復(fù)雜，只要把它做得足夠大，都可以用神經(jīng)網(wǎng)絡(luò)來解決。如今，深度學(xué)習(xí)的發(fā)展帶動(dòng)了人工智能其他領(lǐng)域的發(fā)展；無論是更傳統(tǒng)的領(lǐng)域(改進(jìn)已獲得的結(jié)果)還是最熱門的領(lǐng)域:自然語言處理、人工視覺、語音識(shí)別、生成逼真的多媒體內(nèi)容等。

留言點(diǎn)贊。

我們一起分享AI學(xué)習(xí)和開發(fā)的干貨。

歡迎關(guān)注全平臺(tái)AI垂直品類自媒體"核心閱讀與寫作