机器学习及其应用 品出 机器学习 四据挖掘 赵卫东博士 实用案例分析 复旦大学
赵卫东 博士 复旦大学 机器学习及其应用
机器学习与人 机器学习发展工智能、大数 机器学习应用从事机器学习 据、数据挖掘 及其问题 工作的准备
机器学习发展 机器学习应用 及其问题 机器学习与人 工智能、大数 据、数据挖掘 从事机器学习 工作的准备
机器学习内涵 机器学习 Machine Learning是计算 机科学的子领域,也是人工智能 机器学习 人脑思考 的一个分支和实现方式 机器学习主要的理论基础涉及到 概率论、数理统计、数值逼近、 历史数据 经验 最优化理论、计算复杂理论等, 核心要素是数据、算法和模型。 新的输入 新的输入 机器学习的本质是什么?
机器学习内涵 机器学习(Machine Learning)是计算 机科学的子领域，也是人工智能 的一个分支和实现方式。 机器学习主要的理论基础涉及到 概率论、数理统计、数值逼近、 最优化理论、计算复杂理论等， 核心要素是数据、算法和模型。 机器学习的本质是什么？
机器学习的发展 机器学习的发展分为知识推理期、知识工程期、浅层学习( Shallow Learning)和深 度学习( Deep Learning)几个阶段,与人工智能的兴衰对应 在机器学习的发展过程中,随着人们对智能的理解和现实问题的解决方法演变,大 致出现了符号主义、贝叶斯、联结主义、进化主义、行为类推主义五大流派。 当 2015年 AlphaGo 2006年提出深度 1996年深蓝 学习并进行实证 1956年定义 1999年推 人工智能 器机器人 1986年提 出犬型机 出BP算法 一器人ABO 罗辑理论家 应用效 计算设施 机器翻系 统LT诞生 果不佳 能力不足 译失败 上世纪五十年代 上世纪七十年代 上世纪八十年代 新世纪以来 计算智能时代感知智能时代 认知智能时代
机器学习的发展 机器学习的发展分为知识推理期、知识工程期、浅层学习（Shallow Learning）和深 度学习（Deep Learning）几个阶段，与人工智能的兴衰对应。 在机器学习的发展过程中，随着人们对智能的理解和现实问题的解决方法演变，大 致出现了符号主义、贝叶斯、联结主义、进化主义、行为类推主义五大流派
机器学习的演化 主要成果 代表人物 1943~1956 MP模型、自动机模型、符号演算、逻辑主义 Warren McCulloch /Walter Pitts/Alan Turing /John von Neumann/ Shannon 1956-1960sLsP、框架知识表示 Ic Carthy/Minsky /Newell Simon 1960s-1970s遗传算法、进化策略、模糊集 Rechenberg/Holland /Zadeh 1970s-1980专家系统、 DENDRAL、 MYCIN、 PROSPECTOR、 Feigenbaum/ Buchanan/ Lederberg PROLOG、EMCN等 Shortliffe 1980s-19905 Hopfield网络、自组织网络、多层神经网络、知识工程、 Hopfield/ Kohonen/ Feigenbaum/ Zadeh/ 模糊逻辑、决策树算法等 Quinlan 1990-2000680ng算法、 Ada Boost、SM、随机森林 Freund Vapnik 2000°至今深度学习、自我特征学习、无导式学习、增强学习、分布| Hinton/ LeCun/ Bengio/ Andrew Ng/
机器学习的演化 时间 主要成果 代表人物 1943~1956 MP模型、自动机模型、符号演算、逻辑主义 Warren McCulloch／Walter Pitts／Alan Turing ／John von Neumann／Shannon 1956~1960s LISP、框架知识表示 McCarthy/Minsky／Newell & Simon 1960s~1970s 遗传算法、进化策略、模糊集 Rechenberg／Holland／Zadeh 1970s~1980s 专 家 系 统 、 DENDRAL 、 MYCIN 、 PROSPECTOR 、 PROLOG、EMCIN等 Feigenbaum ／ Buchanan ／ Lederberg ／ Shortliffe 1980s~1990s Hopfield网络、自组织网络、多层神经网络、知识工程、 模糊逻辑、决策树算法等 Hopfield／Kohonen／Feigenbaum／Zadeh／ Quinlan 1990s~2000s Boosting算法、AdaBoost、SVM、随机森林 Schapire ／ Freund ／ Vapnik 2000s~至今 深度学习、自我特征学习、无导式学习、增强学习、分布 式机器学习 Hinton ／ LeCun ／ Bengio ／ Andrew Ng ／ Mitchell
机器学习与人 机器学习发展工智能、大数 机器学习应用从事机器学习 据、数据挖掘 及其问题 工作的准备
机器学习发展 机器学习应用 及其问题 机器学习与人 工智能、大数 据、数据挖掘 从事机器学习 工作的准备
机器学习、人工智能和数据挖掘 神经计算 1980s and 1990s 统计分析 neural networks 模式识别 深度学习 cale (dat a size, model size) 望能 数据库 强人工智能 弱人工智能 超人工智能
机器学习、人工智能和数据挖掘
机器学习、人工智能和数据挖掘 机器学习是人工智能的一个分支,它是实现人工智能的一种核心技术,即以机器学习为手段解 决人工智能中的问题。机器学习是通过一些让计算机可以自动“学习”的算法并从数据中分析获 得规律,然后利用规律对新样本进行预测。 数据挖掘是从大量的业务数据中挖掘隐藏、有用的、正确的知识促进决策的执行。数据挖掘的 很多算法都来自于机器学习,并在实际应用中进行优化。机器学习最近几年也逐渐跳出实验室, 解决从实际的数据中学习模式,解决实际问题。数据挖掘和机器学习的交集越来越大。 演化计算、 Alphago Zero是数据挖掘研究范畴吗? Alpha Go Zero 蚁群算法
机器学习、人工智能和数据挖掘 机器学习是人工智能的一个分支，它是实现人工智能的一种核心技术，即以机器学习为手段解 决人工智能中的问题。机器学习是通过一些让计算机可以自动“学习”的算法并从数据中分析获 得规律，然后利用规律对新样本进行预测。 数据挖掘是从大量的业务数据中挖掘隐藏、有用的、正确的知识促进决策的执行。数据挖掘的 很多算法都来自于机器学习，并在实际应用中进行优化。机器学习最近几年也逐渐跳出实验室， 解决从实际的数据中学习模式，解决实际问题。数据挖掘和机器学习的交集越来越大。 演化计算、Alphago Zero是数据挖掘研究范畴吗？
机器学习与人 机器学习发展工智能、大数 机器学习应用从事机器学习 据、数据挖掘 及其问题 工作的准备
机器学习发展 机器学习应用 及其问题 机器学习与人 工智能、大数 据、数据挖掘 从事机器学习 工作的准备
机器学习典型应用领域 艺术创作 金融领域 医疗领域 自然语言处理 网络安全 工业领域 娱乐行业 个性化推荐 趋势预测
机器学习典型应用领域 议程 艺术创作 金融领域 医疗领域 自然语言处理 网络安全 工业领域 娱乐行业 个性化推荐 趋势预测