机器学习概览

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

1. 企业机器学习项目到2020年从56%增长到40亿美元
2. 机器学习将会推动重复性工作的自动化。
3. 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。