【01】台大机器学习L1 机器学习问题

【01】When can ML？The Learning Problem

• 课程设计
• 什么是ML
• ML的应用
• Components of ML
• ML与其他的领域相关性

1 课程设计

理论和实际的相结合：

• 基石偏理论，技法偏实际应用算法
• ML的哲学理念体现、主要理论、核心技术（算法）、实际应用
• 主讲：
  1）When can Machines Learn（ML）？（）
  2）Why can ML？
  3）How can ML？
  4）How to be better 性能如何提高?

---

2 什么是机器学习

• 【对比】
  1）人的学习：Materials（观察-经验）——Learning——skill(通过学习材料，观察等——通过学习得到技能)
  2）机器学习：data——ML——skill(机器学习也就是通过data数据来获取经验E（类似黑匣子中的原理），然后得到相应的效果skiill来进行分析)

• 【应用】（编好算法程序，机器只需要时间让他运行，我们就能知道最终的结果or达到我们想要的效果）
  1） 树的特征辨识
  2） 火星车控制
  3） 语音/图像识别
  4） High-Frequency trading决策（人类无法做的，淘宝双十一的背后隐藏类似的么？）
  5） 市场分析-consumer targeted marketing

• 【机器学习三大要素】判断可否用机器学习
  1） 含有潜在模式 Pattern
  2） no programmable definition（回看视频）
  3） 有表征模式的数据Data

---

3 应用领域

• Food
• clothing
• housing
• transportation
• Education（MOOC课程的quizzes批改就可以使用到）
• Entertainment：推荐系统（豆瓣猜！）

---

4 Components of ML

• 数据data（输入）
• 输出
• 内在的Hypothesis
  机器学习就是通过训练数据，在一些列的假设中找到最好的假设，然后用于判断测试的数据，得到输出结果。

【插图】

---

5 ML与其他领域

• ML use data to compute hypothesis g that approximates target f
• DM Data Mining (use(huge)data to find property that is interesting)
• AI (compute something that shows intelligent behavior)
• Statistics 统计学 (use data to make inference about an unknown process)
  前后对比，发现都息息相关啊！

---

总结

【插图】

感谢台大林轩田老师及其团队的贡献！

Jeremy

2014.12.24

​