一、機器學習介紹

1. 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
   

2. 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

3. Demo：
   人臉識別
   無人駕駛汽車
   電商推薦系統

4. 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