機器學習 (Machine Learning, ML)
1.1 概念:多領域交叉學科,涉及概率論、統計學、逼近論、凸分析、算法複雜度理論等多門學科。專門研究計算機怎樣模擬或實現人類的學習行爲,以獲取新的知識或技能,重新組織已有的知識結構使之不斷改善自身的性能。
1.2 學科定位:人工智能(Artificial Intelligence, AI)的核心,是使計算機具有智能的根本途徑,其應用遍及人工智能的各個領域,它主要使用歸納、綜合而不是演繹。
1.3 定義:探究和開發一系列算法來如何使計算機不需要通過外部明顯的指示,而可以自己通過數據來學習,建模,並且利用建好的模型和新的輸入來進行預測的學科。
Arthur Samuel (1959): 一門不需要通過外部程序指示而讓計算機有能力自我學習的學科 Langley(1996) : “機器學習是一門人工智能的科學,該領域的主要研究對象是人工智能,特別是如何在經驗學習中改善具體算法的性能” Tom Michell (1997): “機器學習是對能通過經驗自動改進的計算機算法的研究”
1.4: 學習:針對經驗E (experience) 和一系列的任務 T (tasks) 和一定表現的衡量 P,如果隨之經驗E的積累,針對定義好的任務T可以提高表現P,就說計算機具有學習能力
例子: 下棋,語音識別,自動駕駛汽車等
機器學習的應用:
語音識別
自動駕駛
語言翻譯
計算機視覺
推薦系統
無人機
識別垃圾郵件Demo:
人臉識別
無人駕駛汽車
電商推薦系統置業市場需求:LinkedIn所有職業技能需求量第一:機器學習,數據挖掘和統計分析人才
一、機器學習介紹
發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.