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

視頻教程： http://pan.baidu.com/s/1kVNe5EJ

 

 

1. 課程介紹

2. 機器學習 （Machine Learning, ML)

    

     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。

     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。

    

     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。

         

         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

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

     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