作者：Pascal Vincent 来源
这是Pascal Vincent在2015年深度学习夏季学校讲的机器学习入门。我们给了简单的注解，浅显易懂，值得一读。
AI的两种不同的思路：神经元网络和符号主义。最后是学习和概率模型获胜，从而催生了机器学习。
60年代的AI。
现在的机器学习是跨学科综合体。
机器学习：研究基本原理，开发神奇算法，利用收集的数据生成预测函数，能够应用到新的相似数据上。
机器学习的主要材料是数据！数据表示成很多的同质的样本，最好每个样本表示成一个数字向量。
数据预处理，提取体征，表示成向量，和目标值。
问题空间：样本大小n，特征维度d，目标维度m。
将数据变成一系列样本。一个样本需要保存哪些信息，需要预测什么。
将样本转换成一个输入向量。
将数据集在一个高维空间表示。
举例：nearest neighbor classifier：根据某种距离计算，在训练集中找出最近的邻居，然后预测新的样本和邻居有同样的类别。
机器学习任务（问题类型）：监督学习，无监督学习，强化学习。
监督学习：分类问题，回归问题。
无监督学习：概率分布模型，发现数据的内部结构（聚类，降维，表示学习）
强化学习：从与环境的交互决策过程中获取最大化回报。
学习阶段：训练，预测。目标不是记住训练集，而是要能够在新的未来的样本上很好的泛化预测。
举例：一维回归。
监督学习任务示例。
一个机器学习算法一般对应着三个部分：函数家族（模型族），评估质量（损失函数），找到最好的函数（模型）（优化）。
评估一个函数（模型）的质量，寻找最好的函数（模型）。
评估模型的标准。
对某些机器学习任务的标准损失函数。
有的损失函数很难直接去优化，所以需要替代损失函数。
期望风险：对于将来的从不知道的分布来的无限多的样本，我们的预测平均来说将会做的多差。
经验风险：对于有限的样本集，我们的预测平均来说会做的多差。
最小化经验风险。
评估泛化错误。
简单的训练／测试流程。将样本集随机打乱，然后分成两个部分，训练集和测试集。用训练集来选择／优化／发现最好的预测函数（模型），然后用测试集来评估模型的泛化能力。
模型选择，实际上是从函数家族中选择一个特殊函数。
举例：参数化函数家族。比如常数，线性，多项式。
一个学习方法的能力。
有效能力，能力控制的超参数。
常用的分类器和它们的学些参数，超参数。
选择算法和调参来保证泛化，避免欠拟合和过拟合。
举例：二维分类。函数太差，能力有限，欠拟合。
函数太强，能力高，过拟合。
最优的，最好的泛化能力。
泛化错误分解。
方差的影响因素。
最优化和偏差方差的困境。
模型选择指南！！！
举例：模型的超参数选择。
几个问题：
如果选择在训练集上效果最好的超参数会怎么样？我们倾向于选择什么？
模型选择流程总结。
集成算法。
对于Bagging，其驱动的原则是通过独立的建立几种预测器进行预测，然后平均这些预测器的预测结果。在平均意义下，合并后的预测器因为减小了方差，因此其通常优于单个的预测器。
对于Boosting ，基本的预测器被以此建立，并且每一个预测器都尽量去减小合并后的预测器某一项的偏差。其动机是通过合并几个弱模型从而形成一个强有力的集成。
Bagging 减少回归问题的方差。
如何从线性预测器获取非现象预测器。
分层表示。神经元网络。
人工智能赛博物理操作系统
AI-CPS OS
“人工智能赛博物理操作系统”（新一代技术+商业操作系统“AI-CPS OS”：云计算+大数据+物联网+区块链+人工智能）分支用来的今天，企业领导者必须了解如何将“技术”全面渗入整个公司、产品等“商业”场景中，利用AI-CPS OS形成数字化+智能化力量，实现行业的重新布局、企业的重新构建和自我的焕然新生。
AI-CPS OS的真正价值并不来自构成技术或功能，而是要以一种传递独特竞争优势的方式将自动化+信息化、智造+产品+服务和数据+分析一体化，这种整合方式能够释放新的业务和运营模式。如果不能实现跨功能的更大规模融合，没有颠覆现状的意愿，这些将不可能实现。
领导者无法依靠某种单一战略方法来应对多维度的数字化变革。面对新一代技术+商业操作系统AI-CPS OS颠覆性的数字化+智能化力量，领导者必须在行业、企业与个人这三个层面都保持领先地位：
重新行业布局：你的世界观要怎样改变才算足够？你必须对行业典范进行怎样的反思？
重新构建企业：你的企业需要做出什么样的变化？你准备如何重新定义你的公司？
重新打造自己：你需要成为怎样的人？要重塑自己并在数字化+智能化时代保有领先地位，你必须如何去做？
AI-CPS OS是数字化智能化创新平台，设计思路是将大数据、物联网、区块链和人工智能等无缝整合在云端，可以帮助企业将创新成果融入自身业务体系，实现各个前沿技术在云端的优势协同。AI-CPS OS形成的数字化+智能化力量与行业、企业及个人三个层面的交叉，形成了领导力模式，使数字化融入到领导者所在企业与领导方式的核心位置：
精细：这种力量能够使人在更加真实、细致的层面观察与感知现实世界和数字化世界正在发生的一切，进而理解和更加精细地进行产品个性化控制、微观业务场景事件和结果控制。
智能：模型随着时间（数据）的变化而变化，整个系统就具备了智能（自学习）的能力。
高效：企业需要建立实时或者准实时的数据采集传输、模型预测和响应决策能力，这样智能就从批量性、阶段性的行为变成一个可以实时触达的行为。
不确定性：数字化变更颠覆和改变了领导者曾经仰仗的思维方式、结构和实践经验，其结果就是形成了复合不确定性这种颠覆性力量。主要的不确定性蕴含于三个领域：技术、文化、制度。
边界模糊：数字世界与现实世界的不断融合成CPS不仅让人们所知行业的核心产品、经济学定理和可能性都产生了变化，还模糊了不同行业间的界限。这种效应正在向生态系统、企业、客户、产品快速蔓延。
AI-CPS OS形成的数字化+智能化力量通过三个方式激发经济增长：
创造虚拟劳动力，承担需要适应性和敏捷性的复杂任务，即“智能自动化”，以区别于传统的自动化解决方案；
对现有劳动力和实物资产进行有利的补充和提升，提高资本效率；
人工智能的普及，将推动多行业的相关创新，开辟崭新的经济增长空间。
给决策制定者和商业领袖的建议：
超越自动化，开启新创新模式：利用具有自主学习和自我控制能力的动态机器智能，为企业创造新商机；
迎接新一代信息技术，迎接人工智能：无缝整合人类智慧与机器智能，重新
评估未来的知识和技能类型；
制定道德规范：切实为人工智能生态系统制定道德准则，并在智能机器的开
发过程中确定更加明晰的标准和最佳实践；
重视再分配效应：对人工智能可能带来的冲击做好准备，制定战略帮助面临
较高失业风险的人群；
开发数字化+智能化企业所需新能力：员工团队需要积极掌握判断、沟通及想象力和创造力等人类所特有的重要能力。对于中国企业来说，创造兼具包容性和多样性的文化也非常重要。
子曰：“君子和而不同，小人同而不和。” 《论语·子路》云计算、大数据、物联网、区块链和 人工智能，像君子一般融合，一起体现科技就是生产力。
如果说上一次哥伦布地理大发现，拓展的是人类的物理空间。那么这一次地理大发现，拓展的就是人们的数字空间。在数学空间，建立新的商业文明，从而发现新的创富模式，为人类社会带来新的财富空间。云计算，大数据、物联网和区块链，是进入这个数字空间的船，而人工智能就是那船上的帆，哥伦布之帆！
新一代技术+商业的人工智能赛博物理操作系统AI-CPS OS作为新一轮产业变革的核心驱动力，将进一步释放历次科技革命和产业变革积蓄的巨大能量，并创造新的强大引擎。重构生产、分配、交换、消费等经济活动各环节，形成从宏观到微观各领域的智能化新需求，催生新技术、新产品、新产业、新业态、新模式。引发经济结构重大变革，深刻改变人类生产生活方式和思维模式，实现社会生产力的整体跃升。
产业智能官 AI-CPS
用“人工智能赛博物理操作系统”（新一代技术+商业操作系统“AI-CPS OS”：云计算+大数据+物联网+区块链+人工智能），在场景中构建状态感知-实时分析-自主决策-精准执行-学习提升的认知计算和机器智能；实现产业转型升级、DT驱动业务、价值创新创造的产业互联生态链。
长按上方二维码关注微信公众号： AI-CPS，更多信息回复：
新技术：“云计算”、“大数据”、“物联网”、“区块链”、“人工智能”；新产业：“智能制造”、“智能农业”、“智能金融”、“智能零售”、“智能城市”、“智能驾驶”；新模式：“财富空间”、“数据科学家”、“赛博物理”、“供应链金融”。
官方网站：AI-CPS.NET
本文系“产业智能官”（公众号ID：AI-CPS）收集整理，转载请注明出处！
版权声明：由产业智能官（公众号ID：AI-CPS）推荐的文章，除非确实无法确认，我们都会注明作者和来源。部分文章推送时未能与原作者取得联系。若涉及版权问题，烦请原作者联系我们，与您共同协商解决。联系、投稿邮箱：erp_vip@hotmail.com
扫一扫
1280
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
