无标题文章

课程介绍

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

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

Demo：
人脸识别
无人驾驶汽车
电商推荐系统

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