01_机器学习介绍

01 机器学习介绍

人工智能的发展

  1. 人工智能 - 机器学习 - 深度学习

机器学习的用途

图像识别 CV

  1. 无人驾驶
  2. 医疗 - 识别CT图细微区别
  3. 图片艺术化
  4. iphone 人脸识别

自然语言处理 NLP

  1. 新闻自动生成机器人

传统预测

  1. 信贷、销量预测

机器学习库和框架

  1. Scikit-learn
  2. Pytorch
  3. Tensorflow

学习书籍推荐

  1. 统计学习方法 (不建议直接读)

2.编程实战类 (课程结束后,重点关注案例)

学习目标

  1. 机器学习各种算法原理
  2. 算法的使用
  3. 算法库和框架

什么是机器学习?

  1. 定义: 机器学习是从数据中自动分析获得规律(模型),并利用规律对未知数据进行预测
  2. 实例:
  • AlphaGo : 通过学习棋谱,生成经验,对柯洁的棋谱进行预测。
  • 广告搜索:通过用户历史搜索数据,预测用户喜好。

为什么需要机器学习?

  1. 解放生产力 - 智能客服 - 24小时作业
  2. 解决专业问题 - ET医疗 - 辅助看病
  3. 提供社会便利 - 阿里 - 城市大脑

机器学习在各领域带来的价值

  1. 领域:医疗、航空、教育、物流、电商...
  2. 目的: 机器学习代替手动的步骤,减少成本提高效率

原文地址:https://www.cnblogs.com/hp-lake/p/11825883.html

时间: 2024-09-30 13:24:21

01_机器学习介绍的相关文章

李洪强iOS开发Swift篇—01_简单介绍

李洪强iOS开发Swift篇—01_简单介绍 一.简介 Swift是苹果于2014年WWDC(苹果开发者大会)发布的全新编程语言 Swift在天朝译为“雨燕”,是它的LOGO 是一只燕子,跟Objective-C一样,可以用于开发iOS.Mac应用程序 苹果从2010年7月开始设计Swift语言,耗时4年打造 Swift的语法特点 从它的语法中能看到Objective-C.JavaScript.Python等语言的影子 语法简单.代码简洁.使用方便 可与Objective-C混合使用(相互调用)

Stanford公开课机器学习---1.Intrduction 机器学习介绍

文章是下面这个公开课的个人笔记,推荐的笔记里记的比较全,完全依据视频课程(有少量小错误),我的笔记依据课程按自己的理解记录一些重点,方便快速回顾.另外自己开始学这门课时搜到的好的资料,推荐给大家: |- Coursera上斯坦福大学Andrew Ng教授的"机器学习公开课" |-- 类 别:适合入门 |-- 网页地址: https://www.coursera.org/learn/machine-learning/outline |-- 学习笔记:推荐 @小小人_V 同学这门课程的学习

最通俗的机器学习介绍

最通俗的机器学习介绍 https://zhuanlan.zhihu.com/p/43612979 摘要:在本文中,我将描述数据分析是如何与机器学习相关的,还将揭开机器学习中的一些荒唐和错误的说法,并解释机器学习的过程和类型. 如果你不是一个人工智能专家,不要担心,我不会提及线性回归和k-均值聚类. 数据分析和机器学习 如果你认为大数据仅仅是关于SQL语句查询和海量的数据的话,那么别人也会理解你的,但是大数据真正的目的是通过对数据的推断,从数据中获取价值.从数据中发现有用的东西.例如,"如果我降低

人工智能_1_初识_机器学习介绍_特征工程和文本特征提取

# 人工智能:预测,分类 # 人工智能: # 自动的工作 # 机器学习(包含深度学习) # 以前的限制因素:计算能力,数据,算法发展 # 用途: # 图像识别 # 识别图片中不同的地方(医学CT) 不用人工识别 # 图片艺术化(可以替代ps) # 无人驾驶 # 人脸识别 # 自然语言处理 # 语音识别 # 自动写报告 # 传统预测 # 性能评估 # NLP # 推荐系统 # 机器学习的数据:文件格式,csv(逗号分隔值) # 不使用数据库: # 1,性能瓶颈,数量过多,2,3GB 读取慢 # 2

基于 Python 和 Scikit-Learn 的机器学习介绍

Reference:http://mp.weixin.qq.com/s?src=3&timestamp=1474985436&ver=1&signature=at24GKibwNNoE9VsETitURyMHzXYeytp1MoUyAFx-2WOZTdPelAdJBv9nkMPyczdr4riYdUZWOaUInIFOxWELVDugvJJxpeEgp5KWDFFtwR8VYalYfPvdWdrmi*Qoq9shyPnROU3Tch32ieV9V8clw== 现在,很多人想开发高效

数据挖掘与机器学习介绍

数据挖掘 1.定义: 数据挖掘(Data Mining)是有组织有目的地收集数据,通过分析数据使之成为信息,从而在大量数据中寻找潜在规律以形成规则或知识的技术. 2.数据挖掘与机器学习的关系: 机器学习可以用来作为数据挖掘的一种工具或手段: 数据挖掘的手段不限于机器学习,譬如还有诸如统计学等众多方法: 但机器学习的应用也远不止数据挖掘,其应用领域非常广泛,譬如人工智能: 机器学习 1.定义: 机器学习(Machine Learning, ML)是一门多领域交叉学科,涉及概率论.统计学.逼近论.凸

《Beginning Hibernate-For Hibernate 5, 4th Edition》(01_导读介绍)

<Beginning Hibernate-For Hibernate 5, 4th Edition> 这是一本介绍Hibernate5的图书,Hibernate 5是Hibernate框架的最新版本,这是目前市面上唯一一本介绍Hibernate5特性的图书,图书的链接https://www.amazon.cn/%E5%9B%BE%E4%B9%A6/dp/1484223187/ref=sr_1_1?ie=UTF8&qid=1491804196&sr=8-1&keyword

机器学习介绍

1. 监督学习(supervised learning): 给定输入样本集,机器可以从中推演出指定目标的可能结果. 一般采用两种类型的目标变量:标称型和数值型. - 标称型:标称型目标变量的结果只有在有限目标集中取值,如真与假,动物分类集合 {爬行类,鱼类, 哺乳类,两栖类} - 数值型:数值型目标变量可以在无限数值集合中取值,如 0.001. 42.001. 1000.743 等.数 值型目标变量主要用于回归分析. 2. 无监督学习:数据没有类别信息,不会给定目标值. - 聚类:无监督学习中,

机器学习介绍及基本概念

什么是机器学习? 机器学习技术的存在,使得人们可以享受强大的垃圾邮件过滤带来的便利,拥有方便的文字和语音识别软件,能够使用可靠的网络搜索引擎,同时在象棋的网络游戏对阵中棋逢对手,而且在可见的将来,我们将拥有安全高效的无人驾驶汽车. 分类: 监督学习(supervised learning).无监督学习(unsupervised learning)和强化学习(reinforcement learning). 监督学习: 监督学习的主要目的是使用有类标的训练(training)数据构建模型,我们可以