1、课程基本介绍
课程介绍
2、机器学习（Machine Learning ML)
机器学习
3、机器学习的应用
- 语音识别
- 自动驾驶
- 语言翻译
- 计算机视觉
- 推荐系统
- 无人机
- 识别垃圾邮件
4、Demo
- 实时翻译
- 人脸识别
- 无人驾驶汽车
- 电商推荐系统
附：基本概念介绍
-
机器学习：探究和开发一系列算法来如何使计算机不需要通过外部明显的指示，而可以自己通过数据来学习，建模，并且利用建好的模型和新输入来进行预测的学科。
-
学习： 针对经验E（experience）和一系列的任务T（task）和一定表现的衡量P，如果随之经验E的积累，针对定义好的任务T可以提高表现P，就说计算机有学习能力。
-
训练集:train set 用来进行训练，也就是产生模型或者算法的数据集
-
测试集:test set 用来专门进行测试已经学习好的模型或者算法的数据集
-
特征向量;特征属性的集合 使用一组向量来表示
-
标记:对一个实例结果的标记
-
监督学习:训练集有类别标记
-
非监督学习:训练集无类别标记
-
半监督学习:有标记的训练集+无标记的训练集
-
分类:目标标记为类别型的数据
-
回归:目标标记为连续性数值
机器学习的步骤框架:
-
把数据集分为训练集和测试集
-
用训练集和训练集的特征向量来训练算法
-
用学习来的算法运用在运用在测试机上评估算法
网友评论