机器学习系列（一）

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？

1. 棋类游戏是人类智慧的体现；
2. 棋类游戏规则简单，胜负一目了然；
3. 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？

1. 专家系统
2. 自主学习

机器学习

机器学习的五个定义

1. 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
2. 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
3. 计算机算法的研究，并通过经验自动进行改善。–Tom M. Mitchell，1996
4. 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
5. 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

1. 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
2. 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
3. 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
4. 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
5. 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

1. 人类学习机制的研究
2. 学习方法研究与发现
3. 建立实用的学习系统
4. 有关理论和应用的研究