1.1機器學習基礎-python深度機器學習，1.1-python

1.1機器學習基礎-python深度機器學習，1.1-python

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、演算法複雜度理論等多門學科。專門研究電腦怎樣類比或實現人類的學習行為，以擷取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的效能。

     2.2 學科定位：人工智慧(Artificial Intelligence, AI）的核心，是使電腦具有智能的根本途徑，其應用遍及人工智慧的各個領域，它主要使用歸納、綜合而不是演繹。

    

     2.3 定義：探究和開發一系列演算法來如何使電腦不需要通過外部明顯的指示，而可以自己通過資料來學習，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式指示而讓電腦有能力自我學習的學科

         Langley（1996) ： “機器學習是一門人工智慧的科學，該領域的主要研究對象是人工智慧，特別是如何在經驗學習中改善具體演算法的效能”

         Tom Michell (1997):  “機器學習是對能通過經驗自動改進的電腦演算法的研究”

     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，就說電腦具有學習能力

              例子： 下棋，語音辨識，自動駕駛汽車等

3. 機器學習的應用：

     語音辨識

     自動駕駛

     語言翻譯

     電腦視覺

     推薦系統

     無人機

     識別垃圾郵件

4. Demo：

     Face Service

     無人駕駛汽車

     電商推薦系統

    

5. 置業市場需求：LinkedIn所有職業技能需求量第一：機器學習，資料採礦和統計分析人才