第一部分:机器学习基础
01 | 概览
-机器学习无处不在
从左至右:自动驾驶,人脸识别,垃圾检测,信用卡欺诈检测
从左至右:维护(故障)预测,销售预测,语音识别,机器人
-计算机视觉正在超越人类能力
左图上:椅子,餐桌,人。左图下:狗,人,树叶。
右图:此图显示的是ImageNet图像识别大赛在2012-2015年的表现,随时间推移错误率一直在下降,并在2015年低于了人类的错误识别率5%。
-计算机视觉:在行动中识别
来自微软的一个很酷的小案例:
其实有很多展示计算机视觉能力的案例,例如:图像分析,读取图像中的文本,读取图像中的手写文本等。
读取图像中的文本实例图
你可以自己尝试这些案例,只要上传你的图像然后看看会发生什么,很棒!。
https://azure.microsoft.com/en-us/services/congnitive-services/computer-vision/
-知识工作的未来
另一种工业变革 知识工作的自动化 做成可能
- 企业机器学习项目到2020年从56%增长到40亿美元
- 机器学习将会推动重复性工作的自动化。
- 新的应用和商业模型将成为可能。
-利用预测分析学去解决各种商业挑战
从左到右:1.销售&市场2.操作3.欺诈&风险4.金融&人力资源5.其他领域
-机器学习案例应用池
欺诈智能检测&管理,保留风险分析,职业路径推荐,价格优化,HCP预测服务 社交媒体信号发现,真实评分,文本分析,动态价格预测,工作计划推荐,消费者保留洞见,方案推荐,Ariba Pay智能金融,SAP Clea的现金应用,商业预测,生产自动化安全分类,商标监控,收款智能,发票记录,SAP Clea的简历匹配, 智能商店,软件安全分析,市场效率,流机器学习,自动服务客服,折扣引导,产品分类建议,社交媒体消费服务,积分预测分析,支付风险,公司内部协调,用户间作用分析,自动创造语义层次,非监督机器学习,预测模型,机器维护预测,职业匹配,物联网机器学习服务,消费者治理,专家推荐,最佳联系时间,专家打分预测,智能服务机器学习,空间和图机器学习,职位语义分析,,,, 注:这一块比较粗糙大致如上。主要就是应用领域:预测,监测,分析,推荐,物联网等等领域 |
| |
-关于人工智能,机器学习和深度学习的关系
三者的关系如下图所示:最外层是人工智能领域,中间是机器学习领域,最里面是深度学习。
-人工智能发展历程
早期人工智能兴起振奋人心,然后机器学习开始繁荣发展最后到深度学习引爆人工智能。
从十九世纪五十年代早期开始对人工智能的乐观态度,一小部分人工智能:首先是机器学习,然后是机器学习的子集深度学习被创造然后从未中断。
-机器可以做之前被认为不可能的事情
小结:第一部分的第一章主要讲述人工智能的基本应用场景,并简单概述了人工智能发展的历程,以及为什么现在人工智能这么火爆的原因,通过本部分对人工智能有一个整体的把握。