01 机器学习介绍

人工智能的发展

1. 人工智能 - 机器学习 - 深度学习

机器学习的用途

图像识别 CV

1. 无人驾驶
2. 医疗 - 识别CT图细微区别
3. 图片艺术化
4. iphone 人脸识别

自然语言处理 NLP

1. 新闻自动生成机器人

传统预测

1. 信贷、销量预测

机器学习库和框架

1. Scikit-learn
2. Pytorch
3. Tensorflow

学习书籍推荐

1. 统计学习方法 （不建议直接读）
   

2.编程实战类 （课程结束后，重点关注案例）

学习目标

1. 机器学习各种算法原理
2. 算法的使用
3. 算法库和框架

什么是机器学习？

1. 定义： 机器学习是从数据中自动分析获得规律（模型），并利用规律对未知数据进行预测。
2. 实例：

• AlphaGo : 通过学习棋谱，生成经验，对柯洁的棋谱进行预测。
• 广告搜索：通过用户历史搜索数据，预测用户喜好。

为什么需要机器学习？

1. 解放生产力 - 智能客服 - 24小时作业
2. 解决专业问题 - ET医疗 - 辅助看病
3. 提供社会便利 - 阿里 - 城市大脑

机器学习在各领域带来的价值

1. 领域：医疗、航空、教育、物流、电商...
2. 目的： 机器学习代替手动的步骤，减少成本提高效率