1.1機器學習基礎-python深度機器學習

參考彭亮老師的視頻教程:轉載請註明出處及彭亮老師原創算法

視頻教程: http://pan.baidu.com/s/1kVNe5EJ機器學習

 

 

1. 課程介紹性能

2. 機器學習 (Machine Learning, ML)學習

    

     2.1 概念:多領域交叉學科,涉及機率論、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,從新組織已有的知識結構使之不斷改善自身的性能。人工智能

     2.2 學科定位:人工智能(Artificial Intelligence, AI)的核心,是使計算機具備智能的根本途徑,其應用遍佈人工智能的各個領域,它主要使用概括、綜合而不是演繹。.net

    

     2.3 定義:探究和開發一系列算法來如何使計算機不須要經過外部明顯的指示,而能夠本身經過數據來學習,建模,而且利用建好的模型和新的輸入來進行預測的學科。翻譯

         

         Arthur Samuel (1959): 一門不須要經過外部程序指示而讓計算機有能力自我學習的學科視頻

         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」對象

         Tom Michell (1997):  「機器學習是對能經過經驗自動改進的計算機算法的研究」教程

     2.4: 學習:針對經驗E (experience) 和一系列的任務 T (tasks) 和必定表現的衡量 P,若是隨之經驗E的積累,針對定義好的任務T能夠提升表現P,就說計算機具備學習能力

              例子: 下棋,語音識別,自動駕駛汽車等

3. 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

4. Demo:

     人臉識別

     無人駕駛汽車

     電商推薦系統

    

5. 置業市場需求:LinkedIn全部職業技能需求量第一:機器學習,數據挖掘和統計分析人才

相關文章
相關標籤/搜索