機器學習PAI快速入門與業務實戰
機器學習(Machine Learning, ML)是一門多領域交叉學科,涉及概率論、統計學、逼近論、凸分析、演算法複雜度理論等多門學科。專門研究計算機怎樣模擬或實現人類的學習行為,以獲取新的知識或技能,重新組織已有的知識結構使之不斷改善自身的效能。
它是人工智慧的核心,是使計算機具有智慧的根本途徑,其應用遍及人工智慧的各個領域,它主要使用歸納、綜合而不是演繹。
學習是人類具有的一種重要智慧行為,但究竟什麼是學習,長期以來卻眾說紛紜。社會學家、邏輯學家和心理學家都各有其不同的看法。
比如,Langley(1996) 定義的機器學習是“機器學習是一門人工智慧的科學,該領域的主要研究物件是人工智慧,特別是如何在經驗學習中改善具體演算法的效能”。(Machine learning is a science of the artificial. The field's main objects of study are artifacts, specifically algorithms that improve their performance with experience.')
Tom Mitchell的機器學習(1997)對資訊理論中的一些概念有詳細的解釋,其中定義機器學習時提到,“機器學習是對能通過經驗自動改進的計算機演算法的研究”。(Machine Learning is the study of computer algorithms that improve automatically through experience.)
Alpaydin(2004)同時提出自己對機器學習的定義,“機器學習是用資料或以往的經驗,以此優化計算機程式的效能標準。”(Machine learning is programming computers to optimize a performance criterion using example data or past experience.)
儘管如此,為了便於進行討論和估計學科的進展,有必要對機器學習給出定義,即使這種定義是不完全的和不充分的。顧名思義, 機器學習是研究如何使用機器來模擬人類學習活動的一門學科。稍為嚴格的提法是:機器學習是一門研究機器獲取新知識和新技能,並識別現有知識的學問。這裡所說的“機器”,指的就是計算機,電子計算機,中子計算機、光子計算機或神經計算機等等。
機器能否象人類一樣能具有學習能力呢?1959年美國的塞繆爾(Samuel)設計了一個下棋程式,這個程式具有學習能力,它可以在不斷的對弈中改善自己的棋藝。4年後,這個程式戰勝了設計者本人。又過了3年,這個程式戰勝了美國一個保持8年之久的常勝不敗的冠軍。這個程式向人們展示了機器學習的能力,提出了許多令人深思的社會問題與哲學問題。
機器的能力是否能超過人的,很多持否定意見的人的一個主要論據是:機器是人造的,其效能和動作完全是由設計者規定的,因此無論如何其能力也不會超過設計者本人。這種意見對不具備學習能力的機器來說的確是對的,可是對具備學習能力的機器就值得考慮了,因為這種機器的能力在應用中不斷地提高,過一段時間之後,設計者本人也不知它的能力到了何種水平。
機器學習有下面幾種定義: “機器學習是一門人工智慧的科學,該領域的主要研究物件是人工智慧,特別是如何在經驗學習中改善具體演算法的效能”。 “機器學習是對能通過經驗自動改進的計算機演算法的研究”。 “機器學習是用資料或以往的經驗,以此優化計算機程式的效能標準。” 一種經常引用的英文定義是:A computer program is said to learn from experience E with respect to some class of tasks T and performance measure P, if its performance at tasks in T, as measured by P, improves with experience E.
機器學習已經有了十分廣泛的應用,例如:資料探勘、計算機視覺、自然語言處理、生物特徵識別、搜尋引擎、醫學診斷、檢測信用卡欺詐、證券市場分析、DNA序列測序、語音和手寫識別、戰略遊戲和機器人運用。
課程連結:機器學習PAI快速入門與業務實戰
本系列課程為您講述如何使用機器學習演算法快速解決業務問題,會以實際業務作為出發點,所有實驗都提供實驗流程以及實驗資料,幫您用最短的時間快速學習機器學習的原理與使用方法。
課程1:機器學習背景知識以及業務架構體系
課程2:機器學習實驗工具PAI介紹
課程3:推薦系統-基於協同過濾的商品推薦
課程4:推薦系統-基於使用者畫像的商品推薦
課程5:深度學習-TensorFlow實現影象分類
課程6:文字分析-新聞自動分類系統
課程7:文字分析-關鍵詞提取、文字摘要、文章相似度分析
課程8:金融領域-金融風控
課程9:金融領域-貸款發放預測
更多精品課程:
阿里雲大學官網(阿里雲大學 - 官方網站,雲生態下的創新人才工場)
相關文章
- 機器學習PAI快速入門機器學習AI
- 機器學習入門實戰疑問機器學習
- webpack 快速入門 系列 —— 實戰一Web
- 初學者的機器學習入門實戰教程!機器學習
- 【機器學習PAI實戰】—— 玩轉人工智慧之綜述機器學習AI人工智慧
- 【機器學習入門與實踐】合集入門必看系列,含資料探勘專案實戰,適合新人入門機器學習
- 【機器學習PAI實戰】—— 玩轉人工智慧之美食推薦機器學習AI人工智慧
- ElasticSearch實戰系列六: Logstash快速入門和實戰Elasticsearch
- 快速入門——深度學習理論解析與實戰應用深度學習
- GitOps快速入門與實踐Git
- TensorFlow快速入門與實戰-彭靖田-極客時間
- React.js入門與實戰ReactJS
- Spring Boot GraphQL 實戰 01_快速入門Spring Boot
- Java機器學習VisRec API快速入門 - foojayJava機器學習API
- 【機器學習PAI實踐五】機器學習眼中的《人民的名義》機器學習AI
- 【機器學習PAI實踐三】霧霾成因分析機器學習AI
- 《Flink入門與實戰》簡介
- 機器學習入門實戰——基於knn的airbnb房租預測機器學習KNNAI
- Kaggle機器學習入門實戰 -- Titanic乘客生還預測機器學習
- Kafka v2.3 快速入門與實踐Kafka
- Python網路爬蟲實戰(一)快速入門Python爬蟲
- Spring Boot 揭祕與實戰(二) 資料快取篇 - 快速入門Spring Boot快取
- 【機器學習PAI實踐四】如何實現金融風控機器學習AI
- 機器學習入門 - 快速掌握邏輯迴歸模型機器學習邏輯迴歸模型
- Kubeflow實戰: 入門介紹與部署實踐
- 【機器學習PAI實踐二】人口普查統計機器學習AI
- Flutter+Dart入門與實戰套餐(全)FlutterDart
- 95後大學生用機器學習PAI大戰老年痴呆機器學習AI
- Kafka實戰-入門Kafka
- ElasticSearch實戰-入門Elasticsearch
- podman 入門實戰
- 機器學習入門機器學習
- 【機器學習PAI實踐六】金融貸款發放預測機器學習AI
- Python3網路爬蟲快速入門實戰解析Python爬蟲
- 七天.NET 8操作SQLite入門到實戰 - 第三天SQLite快速入門SQLite
- 快速入門一篇搞定RocketMq-實現微服務實戰落地MQ微服務
- 快速玩轉 Mixtral 8x7B MOE大模型!阿里雲機器學習 PAI 推出實踐大模型阿里機器學習AI
- Flutter For Web入門實戰FlutterWeb