第一讲机器学习概述
第⼀讲 机器学习概述
大纲 ·1.1机器学习概念的引出 ·1.2机器学习的发展历史 ·1.3机器学习与人工智能 ·1.4为什么要深度学习？ 广东工业大学李东
⼤纲 • 1.1 机器学习概念的引出 • 1.2 机器学习的发展历史 • 1.3 机器学习与⼈⼯智能 • 1.4 为什么要深度学习？ ⼴东⼯业⼤学 李东
机器学习概念的引出 >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。Tom Mitchell在他l997年出版的《Machine Learning》一书中指出机器 学习这门学科所关注的是计算机程序如何随着经验积累自动提高性能。同时给出 了形式化的描述：对于某类任务T和性能度量P,如果一个计算机程序在T上以P衡 量的性能随着经验E而自我完善，那么就称这个计算机程序在从经验E学习。 >机器学习是一门用来设计算法的学科，这些算法能够从数据中构造预测和描述模 型。 >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。 广东工业大学李东
机器学习概念的引出 Ø 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。Tom Mitchell在他1997年出版的《Machine Learning》⼀书中指出机器 学习这⻔学科所关注的是计算机程序如何随着经验积累⾃动提⾼性能。同时给出 了形式化的描述：对于某类任务T和性能度量P，如果⼀个计算机程序在T上以P衡 量的性能随着经验E⽽⾃我完善，那么就称这个计算机程序在从经验E学习。 Ø 机器学习是⼀⻔⽤来设计算法的学科，这些算法能够从数据中构造预测和描述模 型。 Ø 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。 ⼴东⼯业⼤学 李东
机器学习的抽象 >机器学习的任务是学习大量数据中隐藏的模式，利用这种模式 可以对新的样本进行判别和预测（泛化性）。 历史数据 经验 分类 练 归钠 (Classification） F(x) 输入 模型 预测未知 新的 输入 预测 属性 问 规律 未来 预测 (Estimation) 广东工业大学李东
机器学习的抽象 ⼴东⼯业⼤学 李东 Ø 机器学习的任务是学习大量数据中隐藏的模式，利用这种模式 可以对新的样本进行判别和预测（泛化性）。 x F(x) y { 预测 (Estimation) 分类 (Classification)
机器学习与人工智能 ·人工智能(artificial intelligence,Al) 就是让机器具有人类的智能。 ·“计算机控制”+“智能行为” ·人工智能这个学科的诞生有着明确的标志性事件，就是1956年的 达特茅斯(Dartmouth)会议。在这次会议上，“人工智能"被提出 并作为本研究领域的名称。 人工智能就是要让机器的行为看起来就像是人所表现出的智能行为一样。 John McCarthy (1927-2011)
机器学习与⼈⼯智能 • ⼈⼯智能（artificial intelligence，AI）就是让机器具有⼈类的智能。 • “计算机控制”+“智能⾏为” • ⼈⼯智能这个学科的诞⽣有着明确的标志性事件，就是1956年的 达特茅斯（Dartmouth）会议。在这次会议上，“⼈⼯智能”被提出 并作为本研究领域的名称。 ⼈⼯智能就是要让机器的⾏为看起来就像是⼈所表现出的智能⾏为⼀样。 John McCarthy（1927-2011）