机器学习思维

我们如何运用机器学习技术?机器学习能做什么?不能做什么?机器学习有哪几种分类?机器学习和人类学习有哪些不同?

讲师:   张江

据统计,当今人工智能创业公司的兴起速度已经远超当年移动互联网的创业热潮的势头。而所有这些创意的背后都是以机器学习技术作为基础的。


如果我们将大数据比喻成土壤,那么机器学习就好比是种菜。无论是下棋还是自然语言翻译,它们都是成长在大数据土壤下,被机器学习技术孕育出来的庄稼。


i.png


面对实际问题,我们如何运用机器学习技术?

机器学习能做什么?

不能做什么?

机器学习有哪几种分类?

机器学习和人类学习有哪些不同?


所有这些问题都能在本课程中找到答案。


 machine_learning-1024x724.jpg


内容包括:

1、机器学习的基本分类:有监督学习、无监督学习、强化学习、迁移学习等;

2、机器学习基本模型;

3、机器学习的简单应用(例如邮件过滤、对客户的信用进行评级);

3、机器学习的复杂应用(例如主题模型、Alphago)。



笔记摘抄:


机器学习概论课堂笔记


  • 作者:蔡颖、李凌、廉珺,Jake整理、综合

  • 课件下载:机器学习概

一、机器学习的重要性

国外著名媒体Venture Scanner对957家人工智能公司进行了分析调查,从下图的数据结果中不难看出,人工智能领域机器学习行业类型的公司数量遥遥领先,这也从另一个方面反映了人工智能大热的最主要的驱动力就是机器学习,也可以说机器学习是人工智能的基础。


在2016年10月,Google公司发布了十几款人工智能产品,并在内部作出重大变革。


  • 机器学习忍者计划


这个项目是对谷歌内部员工开放的培训,请一些机器学习的专家来传授他们人工智能的知识,来提升产品的智能化程度,他们的目标是要用机器学习来代替所有的业务。


  • 特征元素周期表


Google已经痛下决心,决定用机器学习来取代所有的传统业务。比如Google的RankBrain算法就替代了Google的看家算法PageRank。PageRank是利用超级连接结构对所有的网站进行排序,而RankBrain则是通过机器学习算法,综合考虑上百个特征对网页进行排序。通过这个表可以更精准的对网站进行排列,点击率更高的网站排名会越靠前。用机器学习人工智能的方法去替代旧有的产品是谷歌坚持的目标。

传统的软件行业领域存在着复杂性的灾难,软件开发团队的任务就是制造简单性的假象。往往表面上看起来很简单的一个按钮,背后却是由许多复杂的代码程序构成的。

如何去克服这种复杂性?

计算机之父冯·诺依曼在1958年出版了《计算机与人脑》一书,指出人脑与计算机最主要的区别是人脑用反应缓慢的软件搭建了一个具有超强适应性,能灵活反应的整体系统。机器学习,正是一种克服复杂性的方法。


二、什么是机器学习?


先来了解什么是计算


计算就是在给定输入,通过公式得到输出的过程,而如何运算的过程就是程序。

什么是机器学习

机器学习就是计算的反问题,逆运算。

机器学习可以把原来程序需要做的事情找出来,生成输入与输出中间的模型,它就像是一个应用程序编写器。


举例,在给定价格与时间的数据,要找到一条线使它穿过尽可能多的点,就是最简单的机器学习——线性回归。通过学习(训练)过程找到线之后可以对未来的数据作出预测,继而再通过比较预测数据与实际数据,计算模型预测的准确度,这一过程则被称为测试,如下图:

在更多的实际情况下,数据点的分布明显不能够使用直线去拟合,所以就需要使用到别的方式去做。


欲阅读更多内容,请购买课程……

讲师介绍
张江

北京师范大学系统科学学院教授,博士生导师,集智俱乐部、集智AI学园创始人,集智科学家,阿里研究院、腾讯研究院、网络智库专家,人工智能研究者与布道者。主要讲授课程:人工智能、复杂性思维、计算机建模与模拟、Matlab基础及其应用。主要从事的研究领域包括:复杂系统建模、计算社会科学等。曾发表学术论文数十篇,访问过圣塔菲研究所、密西根复杂系统中心等知名国外大学。曾带领集智俱乐部写作、出版书籍:《科学的极致——漫谈人工智能》,《走近2050——注意力、互联网与人工智能》。