課程介紹

機(jī)器學(xué)習(xí) （Machine Learning, ML)

2.1 概念：多領(lǐng)域交叉學(xué)科，涉及概率論、統(tǒng)計學(xué)、逼近論、凸分析、算法復(fù)雜度理論等多門學(xué)科。專門研究計算機(jī)怎樣模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為，以獲取新的知識或技能，重新組織已有的知識結(jié)構(gòu)使之不斷改善自身的性能。

2.2 學(xué)科定位：人工智能(Artificial Intelligence, AI）的核心，是使計算機(jī)具有智能的根本途徑，其應(yīng)用遍及人工智能的各個領(lǐng)域，它主要使用歸納、綜合而不是演繹。

2.3 定義：探究和開發(fā)一系列算法來如何使計算機(jī)不需要通過外部明顯的指示，而可以自己通過數(shù)據(jù)來學(xué)習(xí)，建模，并且利用建好的模型和新的輸入來進(jìn)行預(yù)測的學(xué)科。

  Arthur Samuel (1959): 一門不需要通過外部程序指示而讓計算機(jī)有能力自我學(xué)習(xí)的學(xué)科

  Langley（1996) ： “機(jī)器學(xué)習(xí)是一門人工智能的科學(xué)，該領(lǐng)域的主要研究對象是人工智能，特別是如何在經(jīng)驗(yàn)學(xué)習(xí)中改善具體算法的性能”

  Tom Michell (1997):  “機(jī)器學(xué)習(xí)是對能通過經(jīng)驗(yàn)自動改進(jìn)的計算機(jī)算法的研究”

2.4： 學(xué)習(xí)：針對經(jīng)驗(yàn)E (experience) 和一系列的任務(wù) T (tasks) 和一定表現(xiàn)的衡量 P，如果隨之經(jīng)驗(yàn)E的積累，針對定義好的任務(wù)T可以提高表現(xiàn)P，就說計算機(jī)具有學(xué)習(xí)能力

       例子： 下棋，語音識別，自動駕駛汽車等

機(jī)器學(xué)習(xí)的應(yīng)用：

語音識別
自動駕駛
語言翻譯
計算機(jī)視覺
推薦系統(tǒng)
無人機(jī)
識別垃圾郵件

Demo：
人臉識別
無人駕駛汽車
電商推薦系統(tǒng)

置業(yè)市場需求：LinkedIn所有職業(yè)技能需求量第一：機(jī)器學(xué)習(xí)，數(shù)據(jù)挖掘和統(tǒng)計分析人才