机器学习概述

机器学习、深度学习、人工智能现在火得不得了，有必要开始储备这方面的技术技能，早日点亮自己的技术树，为以后不被时代所抛弃奠定基础。以下分几个小节概述一下

一、几个技术的关系

研究学问，首先得把概念说清楚，所谓正本清源是也。在网上常常有人工智能、机器学习、深度学习等时髦名词漫天飞，在这里有必要说说他们的关系。

首先，人工智能是个大框，其内涵相当之丰富，其定义可以包括。

「通用人工智能（General AI）」概念：借由新兴计算机构建具有人类智力特征的复杂机器。拥有人类的所有感觉（甚至可能更多）、所有理智，像人类一样思考的神奇机器。

「狭义人工智能（Narrow AI）」概念：指的是能够将特殊任务处理得同人类一样好，或者更好的技术。狭义人工智能的相关案例比如有 Pinterest 上的图像分类、Facebook 中的人脸识别。

其次，机器学习属于人工智能的一种，是人工智能的一类实现方法。即运用算法来分析数据、从中学习、测定或预测现实世界某些事。不是手动编码带有特定指令设定的软件程序来完成某个特殊任务，而是使用大量的数据和算法来「训练」机器，赋予它学习如何执行任务的能力。

然后，深度学习呢，则源于神经网络，而神经网络则属于机器学习的一种。

通过以上分析，最后你会发现，这三者关系其实是一个包含包含的关系，即人工智能包含机器学习，机器学习包含深度学习。

网上也有数据挖掘，大数据处理等新名词。所谓数据挖掘呢，简单粗暴的说就是机器学习技术+数据库技术。而大数据处理技术是当处理的数据集满足所谓5v（数量量特别大，格式形态特别多、时效性特别快、价值特别大、结果要有准确性）等特点时，出现的对数据采集、处理、分析、可视化等一系列的技术解决方案。

二、应用方向

就机器学习来说，目前常用的应用方向包括：自然语言处理、视频处理、推荐算法，量化交易等等等。

1、自然语言处理包括：信息提取，自动摘要、文本分类、文本情感分析、问答系统、语言识别等等应用，现在很火的小冰就是其经典应用之一，其背后的技术点，包括文本分词、文本标注;其基础支撑的机器学习算法包括bayes算法、马尔科夫链等。

2、视频处理包括：图像识别、视频监控等应用，比如手写识别、从图片里面识别猫之类的就是其经典应用之一，还有视频监控中对非法闯入等的识别，以及所谓替代鉴黄师工作等也是经典应用，其背后的技术点包括图像特征提取、图像变换等;其基础支撑的机器学习算法包括深度学习，各种分类算法等。

3、推荐算法包括：物品推荐、好友推荐等，比如jd上的物品推荐，社交网络上的好友推荐，听歌网站的歌曲推进啊等，其背后的技术点包括基于物品的推荐，基于评价的推荐等等，其基础支撑的机器学习算法包括各类分类、聚类算法，各类降维算法等。

4、量化交易包括：股市趋势预测等，预测股市走势、寻找买卖点都是其应用，其背后有多种股市交易策略，什么捕鱼策略、海龟交易法等等，其基础的算法包括各类机器学习算法。

总的来说，机器学习已经深入到人们生活的方方面面，正在逐渐改变着人们的生活。

三、经典书目及库

经典书目很多大致分为基础类已经专业应用类

1、程序类

《利用python进行数据分析》《Python数据分析基础教程  NumPy学习指南 》《NumPy攻略  Python科学计算与数据分析》等

还有R语言，scala等也是应该学习的东西

2、机器学习基础类

《机器学习实战》《机器学习》（西瓜书）《数据挖掘概念与技术》《神经网络与深度学习》《神经网络与机器学习》等

2、大数据类

《数据挖掘  R语言实战》《mahout算法解析与案例》《mahout实战》《大数据spark企业级实战》等

3、自然语言处理类

《统计自然语言处理》《自然语言处理原理与技术实现》《python自然语言处理》

4、视频处理类

《python计算机视觉编程》《opencv3计算机视觉：python语言实现》等

5、推荐算法类

《推荐系统实践》《集体智慧编程》

6、量化交易类

《程序化交易实战》《量化投资策略与技术》等

经典库方面主要包括python的各类库：scapy（爬虫库，收集数据），numpy、scipy、pandas（数据处理方面库），matplotlib（数据可视化库），sklearn（python机器学习库），spark mllib（spark的大数据库），mahout（大数据库）等。