机器学习简介

1. 课程介绍

 

2. 机器学习 （Machine Learning, ML)

     

     2.1 概念：多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。

 

     2.2 学科定位：人工智能(Artificial Intelligence, AI）的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎。

     

     2.3 定义：探究和开发一系列算法来如何使计算机不需要通过外部明显的指示，而可以自己通过数据来学习，建模，并且利用建好的模型和新的输入来进行预测的学科。

          

         Arthur Samuel (1959): 一门不需要通过外部程序指示而让计算机有能力自我学习的学科

 

         Langley（1996) ： “机器学习是一门人工智能的科学，该领域的主要研究对象是人工智能，特别是如何在经验学习中改善具体算法的性能”

 

         Tom Michell (1997):  “机器学习是对能通过经验自动改进的计算机算法的研究”

 

     2.4： 学习：针对经验E (experience) 和一系列的任务 T (tasks) 和一定表现的衡量 P，如果随之经验E的积累，针对定义好的任务T可以提高表现P，就说计算机具有学习能力

 

              例子： 下棋，语音识别，自动驾驶汽车等

3. 机器学习的应用：

 

     语音识别

     自动驾驶

     语言翻译

     计算机视觉

     推荐系统

     无人机

     识别垃圾邮件

 

4. Demo：

     人脸识别

     无人驾驶汽车

     电商推荐系统

     

5. 置业市场需求：

LinkedIn所有职业技能需求量第一：机器学习，数据挖掘和统计分析人才