机器学习（一）机器学习概述

机器学习概述

机器学习开发流程

流程图：

学习框架和资料介绍

需明确几点问题：
（1）算法是核心，数据与计算是基础
（2）找准定位

大部分复杂模型的算法设计都是算法工程师在做，机器学习开发人员需要做的：

• 分析很多的数据
• 分析具体的业务
• 应用常见的算法
• 特征工程、调参数、优化

我们应该怎么做？

• 学会分析问题，使用机器学习算法的目的，想要算法完成何种任务
• 掌握算法基本思想，学会对问题用相应的算法解决
• 学会利用库或者框架解决问题
  当前重要的是掌握一些机器学习算法等技巧，从某个业务领域切入解决问题。

机器学习库与框架

书籍资料

提深内功（但不是必须）

机器学习与人工智能、深度学习

大家，都知道，在2016年，Google DeepMind的AlphaGo打败了韩国的围棋大师李世乭九段。在媒体描述DeepMind胜利的时候，将人工智能（AI）、**机器学习（machine learning）和深度学习（deep learning）**都用上了。这三者在AlphaGo击败李世乭的过程中都起了作用，但它们说的并不是一回事。

它们三者的关系和应用如下：

如上图，人工智能是最早出现的；其次是机器学习，稍晚一点；最内侧，是深度学习，当今人工智能大爆炸的核心驱动。

五十年代，人工智能曾一度被极为看好。之后，人工智能的一些较小的子集发展了起来。先是机器学习，然后是深度学习。深度学习又是机器学习的子集。深度学习造成了前所未有的巨大的影响。

过去几年，尤其是2015年以来，人工智能开始大爆发。很大一部分是由于GPU的广泛应用，使得并行计算变得更快、更便宜、更有效。当然，无限拓展的存储能力和骤然爆发的数据洪流（大数据）的组合拳，也使得图像数据、文本数据、交易数据、映射数据全面海量爆发。

• 机器学习和人工智能，深度学习的关系
  • 机器学习是人工智能的一个实现途径
  • 深度学习是机器学习的一个方法发展而来
  • 人工智能>机器学习>深度学习
• 达特茅斯会议-人工智能的起点
  1956年8月，在美国汉诺斯小镇宁静的达特茅斯学院中，
  约翰·麦卡锡（John McCarthy）
  马文·闵斯基（Marvin Minsky，人工智能与认知学专家）
  克劳德·香农（Claude Shannon，信息论的创始人）
  艾伦·纽厄尔（Allen Newell，计算机科学家，1975年与赫伯特·西蒙共同获得 图灵奖）
  赫伯特·西蒙（Herbert Simon，诺贝尔经济学奖得主）等科学家正聚在一起，讨论着一个完全不食人间烟火的主题：
  用机器来模仿人类学习以及其他方面的智能。
  会议足足开了两个月的时间，虽然大家没有达成普遍的共识，但是却为会议讨论的内容起了一个名字：人工智能
  因此，1956年也就成为了人工智能元年。

关于人工智能百度百科是这样解释的：

早在1956年夏天那次会议，人工智能的先驱们就梦想着用当时刚刚出现的计算机来构造复杂的、拥有与人类智慧同样本质特性的机器。这就是我们现在所说的**“强人工智能”（General AI）**。这个无所不能的机器，它有着我们所有的感知（甚至比人更多），我们所有的理性，可以像我们一样思考。

人们在电影里也总是看到这样的机器：友好的，像星球大战中的C-3PO；邪恶的，如终结者。强人工智能现在还只存在于电影和科幻小说中，原因不难理解，我们还没法实现它们，至少目前还不行。

我们目前能实现的，一般被称为**“弱人工智能”（Narrow AI）**。弱人工智能是能够与人一样，甚至比人更好地执行特定任务的技术。例如，Pinterest上的图像分类；或者Facebook的人脸识别。

这些是弱人工智能在实践中的例子。这些技术实现的是人类智能的一些具体的局部。但它们是如何实现的？这种智能是从何而来？这就带我们来到：机器学习与深度学习。

机器学习、深度学习能做些什么

机器学习

机器学习的应用场景非常多，可以说渗透到了各个行业领域当中。医疗、航空、教育、物流、电商等等领域的各种场景。

**机器学习最基本的做法，是使用算法来解析数据、从中学习，然后对真实世界中的事件做出决策和预测。**与传统的为解决特定任务、硬编码的软件程序不同，机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。

机器学习直接来源于早期的人工智能领域。传统算法包括决策树学习、推导逻辑规划、聚类、分类、回归、强化学习和贝叶斯网络等等（当然还有很多）。众所周知，我们还没有实现强人工智能。早期机器学习方法甚至都无法实现弱人工智能。

机器学习最成功的应用领域是计算机视觉，虽然也还是需要大量的手工编码来完成工作。人们需要手工编写分类器、边缘检测滤波器，以便让程序能识别物体从哪里开始，到哪里结束；写形状检测程序来判断检测对象是不是有八条边；写分类器来识别字母“STOP”。使用以上这些手工编写的分类器࿰