请问如果写自己的小项目，与例子不一样，需要自己写神经网络吗？

早上公交车到站时间
假设： 公交车到站时间和星期几、天气以及时间段有关系

优化目标： 预测公交车到达时间与实际到达时间越小越好

1.健身如何增重。假设是 a=w∗Fa = w * Fa/W=w∗F，a代表摄入卡路里，Fa代表运动强度，ｗ是待确定的参数，W是个人的体重。参数是w要进行线性回归确定。优化目标是寻找w的确定。

2.因为目前硬件设施性能有很大提升，可以支持很大的神经网络的实现。也有很多现实问题可以用ai来解决，所以ai工程师需求越来越多。而具备ai工程师能力的人并不多，无法满足需要，所以ai工程师有发展前景。

AI前景： 国家战略、企业需求、科技发展

1、交通流量预测
假设：线性关系
参数：时间段、地段、是否出现事故等、天气状况、节假日等
优化目标：预测车流量的均方差极小化

2、因为目前硬件以及算法发展迅速，能过将ai技术用于生活、工业。能够带来收入才会促进进一步发展。

①：预测期末考试各章考点分布（雾）。参数为考点占全卷的比例系数，优化目标各考点比例和往年考题一致。

②：论文数量井喷，应用面积广泛，供小于求。

①类比牛顿第二定律的案例，在你的工作和生活中还有哪些问题可以用监督学习的框架来解决？假设和参数是什么？优化目标是什么？
②为什么说AI工程师有发展前景？怎样从经济学（市场供需）的角度做出解读？

1. 股票价格也可以用监督学习框架解决。假设是选择模型的形式，参数是模型中的变量。优化目标是调整参数使得假设的模型能正确解决问题。

2.AI工程师能通过机器学习构建效果不错的模型解决实际问题。通过机器学习构建模型的时间成本和所消耗的资源相对较少。

问题1:

比如日常的天气预报可以用监督学习的框架来进行解决。

假设某一天的气温是过去一周的气温变化的线性函数，参数极为过去一周每一天气温的历史数据对应的权重，预测的对应日期的气温是过去一周各天气温的加权和。

优化目标是使得历史一周气温的加权和的值能尽量接近预测日期对应气温的真实值，这可以用均方误差来进行衡量。

问题2:

发展前景：机器学习特别是深度学习的出现使得人们在解决某些领域的问题时不需要掌握那么多该领域的知识，并对系统的输入数据依据该领域的深厚知识进行精妙的变化和处理。就拿现在热门的图像识别分类、语音识别等为例，深度学习的出现降低了这些问题中数据的特征变换的要求，而且具体到不同的细分任务也可以用相同的框架来进行处理，这提高了行业的自动化程度，加快了业务的迭代速度。

供求关系上：因为深度学习的概念从2010年左右才开始变得火热，目前各大高校培养的机器学习方面的人才对于现在市场的需求来说还是相对滞后的，相关从业人员不但需要丰富的工程经验，对业务数据有准确的把握，同时也要能紧跟机器学习当下最前沿的理论并尝试加以应用，这个要求还是比较高的，市场上满足这些要求的人并不算多，整体高素质的机器学习从业者是供少于求

①类比牛顿第二定律的案例，在你的工作和生活中还有哪些问题可以用监督学习的框架来解决？假设和参数是什么？优化目标是什么？

答：牧场放牧牲畜的采食0、行走1、跑步2等行为与其运动幅度的关系。给牲畜脖子佩戴三轴运动传感器来记录牲畜的上下z、左右y、前后x的运动加速度变化。假设牲畜的采食、行走、跑步等行为与其运动幅度有对应关系。f(x,y,z) -> {0,1,2} .优化目标及预测行为与实际牲畜行为差距尽可能小，从而更好监控牲畜的行为，进行牧场管理。

②为什么说AI工程师有发展前景？怎样从经济学（市场供需）的角度做出解读？

答：AI可以从多方面为各中产业工业、医疗、服务业进行赋能，使其迸发出更加多的能量。所以未来对AI工程师的需求会持续上升，而当前合格的AI工程师人数远远达不到市场需求，所以在供不应求的行情下，AI工程师发展前景一定很好。

①类比牛顿第二定律的案例，在你的工作和生活中还有哪些问题可以用监督学习的框架来解决？假设和参数是什么？优化目标是什么？
②为什么说AI工程师有发展前景？怎样从经济学（市场供需）的角度做出解读？

回答：

①共享单车租赁数量预测，假设是线性模型，参数是温度、湿度、风速等天气信息和是否节假日、时间段，优化目标是最小化平方误差。

②深度学习能够用来解决很多传统方法不好解决的问题，是现阶段的主流方法。基于深度学习的人工智能技术被越来越多的企业用来解决实际问题，AI工程师的需求量仍然很大。从供需关系来说，当前高级AI工程师是供不应求的，企业需要大量的高级AI工程师，因此发展前景不错。

一>类比牛顿第二定律的案例，在你的工作和生活中还有哪些问题可以用监督学习的框架来解决？假设和参数是什么？优化目标是什么？
二>为什么说AI工程师有发展前景？怎样从经济学（市场供需）的角度做出解读？

1. 物价价格也可以用监督学习框架解决。假设是选择模型的形式，参数是模型中的变量。优化目标是调整参数使得假设的模型能正确解决问题。

2.AI工程师能通过深度学习构建效果不错的神经网络模型解决实际问题。通过神经网络模型可以减少学习时间和资源,以获得不错的经济效益

F=k*x
通过拉动弹簧x长度，求得一个值F，通过组数据可以求得k。
假设是呈线性关系，参数是模型中的变量k。优化目标是寻找使得数据拟合较好的参数。

因为相较于以前的机器学习工程师，现在的深度学习工程师只需要掌握python和深度学习框架就能解决，可以说目前可以用较少的精力达到以前付出很多精力就能达到的能力，并且AI目前已经跟很多领域进行结合，可以说未来已来。Ai已经在很多领域产生了巨大的应用，女生了巨大的价值。，就比如目前的小猿搜题软件，就是一个例子。

牛顿第二定律的案例，在你的工作和生活中还有哪些问题可以用监督学习的框架来解决？假设和参数是什么？优化目标是什么？

②为什么说AI工程师有发展前景？怎样从经济学（市场供需）的角度做出解读？

1. 股票价格也可以用监督学习框架解决。假设是选择模型的形式，参数是模型中的变量。优化目标是调整参数使得假设的模型能正确解决问题。

2.AI工程师能通过机器学习构建效果不错的

1.通过力量训练如何增大力量，假设：大重量冲刺，参数：重量大小，优化目标：同一时间间隔增长的力量最大

2.目前的硬件发展速度能够使得深度学习较快上手，在生产力提高的同时，经济效益相应提高。

淘宝商品的期望值 与 月销量,评论数,好评率,店铺评价等因素的关系

假设为线性关系  参数为每个因素的权重最大程度拟合测试集

(1)

天气预报的预测也与牛顿第二定律一样，给予大量的观测数据和经验结果来对未来的天气进行预测。

（2）AI已经从技术上升到了国家战略层面，AI赋能了很多传统行业，未来的需求任会越来越大，

市场对人才的需求与竞争也会越来越大

深度学习让很多产业都发生了巨大的变化,改变了生产方式

市场供不及求

①类比牛顿第二定律的案例，在你的工作和生活中还有哪些问题可以用监督学习的框架来解决？假设和参数是什么？优化目标是什么？
②为什么说AI工程师有发展前景？怎样从经济学（市场供需）的角度做出解读？

回答：

①咖啡的萃取率，参数为水温，研磨度，烘焙度，萃取时间，水量等，优化得到一个参数稳定金杯萃取率。

②深度学习能通过机器学习到特征，即使你不知道到底是哪些特征，但最终能得到较好的结果。该项技术能落地就能发展。

①类比牛顿第二定律的案例，在你的工作和生活中还有哪些问题可以用监督学习的框架来解决？假设和参数是什么？优化目标是什么？

健身可以用监督学习的框架来解决：

体脂比率=W*燃烧的卡路里+b。w是训练方式，b是个体差异。优化目标是训练方式。通过合理的训练方式来提高燃烧卡路里的效率，b是每个个体的体质差异不同。

②为什么说AI工程师有发展前景？怎样从经济学（市场供需）的角度做出解读？

AI能够应用到各行各业，可以改善原有的工作模式，提升生产效率，解放大脑。

1、类比牛顿第二定律的案例，在你的工作和生活中还有哪些问题可以用监督学习的框架来解决？假设和参数是什么？优化目标是什么？

预计一年中每月商品如何备货。

假设月份与备货量是线性关系。优化目标是每月的备货量预测值尽量符合实际销售量。

2、为什么说AI工程师有发展前景？怎样从经济学（市场供需）的角度做出解读？

随着互联网的发展，各大公司收集数据的能力大大增强，但是传统的处理方法无法有效的处理海量的数据，AI工程师的需求量也就同步增加。