機器學習概念原理及經常使用算法

概念：

機器學習(Machine Learning, ML)是一門多領域交叉學科，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。

它是人工智能的核心，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。

教學課程：機器學習入門概念

（課程主要講解機器學習的概念、原理和應用場景，以及機器學習的經常使用算法，好比有監督學習、無監督學習、線性迴歸等。）

機器學習是人工智能研究較爲年輕的分支，它的發展過程大致上可分爲4個時期。

第一階段是在20世紀50年代中葉到60年代中葉，屬於熱烈時期。

第二階段是在20世紀60年代中葉至70年代中葉，被稱爲機器學習的冷靜時期。

第三階段是從20世紀70年代中葉至80年代中葉，稱爲復興時期。

機器學習的最新階段始於1986年。

機器學習進入新階段的重要表如今下列諸方面：

(1) 機器學習已成爲新的邊緣學科並在高校造成一門課程。它綜合應用心理學、生物學和神經生理學以及數學、自動化和計算機科學造成機器學習理論基礎。
(2) 結合各類學習方法，取長補短的多種形式的集成學習系統研究正在興起。特別是鏈接學習符號學習的耦合能夠更好地解決連續性信號處理中知識與技能的獲取與求精問題而受到重視。
(3) 機器學習與人工智能各類基礎問題的統一性觀點正在造成。例如學習與問題求解結合進行、知識表達便於學習的觀點產生了通用智能系統SOAR的組塊學習。類比學習與問題求解結合的基於案例方法已成爲經驗學習的重要方向。
(4) 各類學習方法的應用範圍不斷擴大，一部分已造成商品。概括學習的知識獲取工具已在診斷分類型專家系統中普遍使用。鏈接學習在聲圖文識別中佔優點。分析學習已用於設計綜合型專家系統。遺傳算法與強化學習在工程控制中有較好的應用前景。與符號系統耦合的神經網絡鏈接學習將在企業的智能管理與智能機器人運動規劃中發揮做用。

(5) 與機器學習有關的學術活動空前活躍。國際上除每一年一次的機器學習研討會外，還有計算機學習理論會議以及遺傳算法會議。

教學大綱

教程課時：

第1 章 ： 機器學習概念、原理和應用場景

課時1：機器學習基礎概念 16:06

課時2：機器學習的領域 11:50

課時3：機器爲何能學習 08:17

第2 章 ： 機器學習經常使用算法

課時4：監督學習 - 線性迴歸 14:22

課時5：非線性迴歸、過分擬合、模型選擇 06:33

課時6：有監督學習分類 05:26

課時7：無監督學習 12:06

第3 章 ： 總結與練習

課時8：總結與練習 03:16

講師介紹：

西亭，螞蟻金服大規模機器學習高級算法專家

課程目標：

• 掌握機器學習的概念、原理和算法

 

適合人羣：

• 大數據開發者

 

• 機器學習開發者

 

更多精品課程：

7天玩轉雲服務器

雲數據庫Redis版使用教程

玩轉雲存儲對象存儲OSS使用入門

阿里雲CDN使用教程

負載均衡入門與產品使用指南

阿里雲大學官網（阿里雲大學 - 官方網站，雲生態下的創新人才工場）