机器学习介绍
云计算、大数据和人工智能
云计算
云计算是一种按使用量付费的模式,这种模式提供可用的、便捷的、按需的网络访问,进入可配置的计算资源共享池(资源包括网络,服务器,存储,应用软件,服务),这些资源能够被快速提供,只需投入很少的管理工作,或与服务供应商进行很少的交互。
云计算的两个特点
1. 物尽其用,削峰填谷;
2. 一切都可以服务化 。
大数据
大数据是指无法在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合,是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。
别人眼中的“大数据”:
它可能指一大堆内容,比如:数据采集、存储与计算、分析与应用、人工智能。
云计算与大数据
云计算提供存储和计算的基础设置,大数据是运行在其上的实际应用。它们之间的关系就像电力系统和电气设备。
人工智能
人工智能,简而言之,就是会学习的计算机程序。按阶段划分为,弱人工智能、强人工智能和超人工智能。
为什么人工智能被应用在棋类游戏?
- 棋类游戏是人类智慧的体现;
- 棋类游戏规则简单,胜负一目了然;
- 人工智能科学家与工程师都比较喜欢棋类游戏。
人工智能、机器学习和深度学习
机器学习是人工智能的核心,是实现人工智能的方法之一,是实现自主学习的方法和手段。
深度学习是机器学习的分支,是机器学习的一种技术。
如何让机器具备知识?
- 专家系统
- 自主学习
机器学习
机器学习的五个定义
- 在不直接针对问题进行编程的情况下,赋予计算机学习能力的一个研究领域。–Arthur Samuel,1959
- 一门人工智能的科学,该领域的主要研究对象是人工智能,特别是如何在经验学习中改善具体算法的性能。–Langley,1996
- 计算机算法的研究,并通过经验自动进行改善。–Tom M. Mitchell,1996
- 对于某类任务T和性能度量P,如果一个计算机程序在T上以P衡量的性能随着经验E而自我完善,那么我们称这个计算机程序在经验E学习
- 指机器通过统计学算法,对大量的历史数据进行学习从而生成经验模型,利用经验模型指导业务。
机器学习发展的主要阶段
- 基础奠定时期:40年代末到60年代初
① 图灵测试,认定机器是否具有智能的标准。–阿兰·图灵
② Hebb学习规则,同一时间被激发的神经元之间的联系会被强化(巴普洛夫实验)。–唐纳德·赫布
③ 跳棋程序,可以从自我对局中提升棋力,证明程序本身能力可以超过程序员本身的认知。–亚瑟·塞缪尔
④ 感知机,为人工神经网络和支持向量机等奠定了基础。–罗森·布拉特
⑤ 从数学角度严格证明感知机不能解决线性不可分问题,而现实生活大部分问题为线性不可分。–马文·明斯基 - 停滞期:60年代中到70年代末
模拟人类的概念学习过程,并采用逻辑结构或图结构作为机器内部描述 - 复兴时期:70年代末到80年代末
① 从70年代末开始,人们从学习单个概念扩展到学习多个概念,探索不同的学习策略和各种学习方法
② 1980年,在美国的CMU召开了第一届机器学习国际研讨会
③ 多层感知器(MLP)由韦伯斯在1981年的神经网络方向传播(BP)算法中具体提出
④ 1985-1986年,神经网络研究人员(鲁梅尔哈特、辛顿、威廉姆斯-赫、尼尔森)先后提出了MLP与BP训练相结合的理念
⑤ 1986年,昆兰提出决策树算法,更准确的说是ID3算法 - 复兴时期:90年代初到21世纪初
① SVM, Corina Cortes and Vladimir Vapnik
② Boosting, Robert Schapire and Yoav Freund
③ RandomForest, Leo Breiman - 蓬勃发展期:21世纪初至今
Yoshua Bengio, Yann LeCun, Geoffrey Hinton
机器学习的应用
垃圾邮件检测、信用卡欺诈检测、人脸识别、医疗诊断、智能客服、无人驾驶、专家系统、认知模拟、规划和问题求解、网络信息服务、图像识别、故障诊断、自然语言理解、机器人、博弈…
机器学习的研究趋势
- 人类学习机制的研究
- 学习方法研究与发现
- 建立实用的学习系统
- 有关理论和应用的研究