机器学习简介

学习目标

1 .机器学习基本概念

2..机器学习基本原理与常用算法

3.普通数据进行机器学习的预处理

4.使用Python对机器学习相关包学习
5.机器学习算法解决实际问题

课程体系

1.    课程介绍：机器学习、深度学习、应用展示（计算机视觉、声音识别、自然语言处理）

2.    基本概念：训练集、测试集、特征值、监督学习、非监督学习、半监督学习、分类、回归

3.    监督学习：决策树、临近取样、支持向量机、神经网络算法

4.    监督学习：线性回归、非线性回归、

5.    半监督学习：用K-means算法聚类、用hierarchical clustering 算法聚类

基本内容

一.机器学习

1.概念：专门研究计算机怎么模拟或实现人类的学习行为，以获取新的知识或技能，重组组织已有的知识结构使之不断完善自身的性能；

2.学科 定位：人工智能学科的核心，主要任务是归纳、综合而不是演绎；

3. 定义：探究和开发一系列算法来如何使计算机不需要通过外部明显的显示，而可以通过自己来学习，建模并且利用建好的模型和新的输入来进行预测的学科；

4. 学习的概念：针对经验E和一系列的任务T和一定变现结果的衡量P，如果随着经验E的增加（积累），针对定义好的任务T可以提高表现P的水平，那么就称计算机具有学习 能力；

5.主要应用：

语音识别、自动驾驶、语言翻译、计算机视觉、推荐系统、无人机、识别垃圾邮件

6.热门 案例

人脸识别、无人驾驶汽车、电商推荐系统

7. 市场需求

机器学习、数据挖掘、统计分析人才

8.机器学习类工作要求

1）百度招聘要求

2）奇虎360招聘要求

二.深度学习

1.定义：基于机器学习延伸出来的一个新的领域，由以人的大脑结构为启发的神经网络算法为起源加之模型结构深度的增加发展，并伴随着大数据和计算能力的提高而产生的一系列新的算法；

2.发展：概念由著名科学家Geoffrey Hinton等人在2006和2007年的《Sciences》等上发表的文章被提起和兴起；

3.主要应用领域

主要应用在图像处理、计算机视觉、自然语言处理以及语言处理领域；

4.权威机构

学术界：多伦多大学、纽约大学、斯坦福大学

工业界：Google、Facebook和百度

5.影响

手机中的语音识别、百度地图、图片搜索、人脸识别、无人驾驶

6.职业要求

1）公司1

2）公司2

三.基本概念

1.概念学习：从有关某个布尔函数的输入输出样例中推断出该布尔函数；

2.训练集/训练样例：用来进行训练，也就是产生模型或者算法的数据集；

测试集/测试样例：用来专门进行测试已经学习好的模型或者算法的数据集；

特征向量：属性的集合，通常用向量来表示，附属于一个实例；

正例：结果为肯定

反例：结果为否定

3.分类：目标标记为类别型数据

回归：目标标记为连续型数值

4.学习分类

监督学习：训练集有类别标记

半监督学习：有类别标记的训练集+无类别标记的训练集

无监督学习：无类别标记的训练集

5.机器学习步骤框架：

1）把数据拆分为训练集和测试集；

2）用训练集和训练集的特征向量来训练算法

3）用学习来的算法在测试集上来评估算法