Machine Learning(機器學習)是研究計算機怎樣模擬或實現(xiàn)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性能。它是人工智能的核心，是使計算機具有智能的根本途徑，其應用遍及人工智能的各個領域，它主要使用歸納、綜合而不是演譯。在過去的十年中，機器學習幫助我們自動駕駛汽車，有效的語音識別，有效的網(wǎng)絡搜索，并極大地提高了人類基因組的認識。機器學習是當今非常普遍，你可能會使用這一天幾十倍而不自知。很多研究者也認為這是最好的人工智能的取得方式。在本課中，您將學習最有效的機器學習技術，并獲得實踐，讓它們?yōu)樽约旱墓ぷ?。更重要的是，你會不僅得到理論基礎的學習，而且獲得那些需要快速和強大的應用技術解決問題的實用技術。最后，你會學到一些硅谷利用機器學習和人工智能的最佳實踐創(chuàng)新。本課程提供了一個廣泛的介紹機器學習、數(shù)據(jù)挖掘、統(tǒng)計模式識別的課程。主題包括：（一）監(jiān)督學習（參數(shù)/非參數(shù)算法，支持向量機，核函數(shù)，神經(jīng)網(wǎng)絡）。（二）無監(jiān)督學習（聚類，降維，推薦系統(tǒng)，深入學習推薦）。（三）在機器學習的最佳實踐（偏差/方差理論；在機器學習和人工智能創(chuàng)新過程）。本課程還將使用大量的案例研究，您還將學習如何運用學習算法構建智能機器人（感知，控制），文本的理解（Web?搜索，反垃圾郵件），計算機視覺，醫(yī)療信息，音頻，數(shù)據(jù)挖掘，和其他領域。本課程需要?10?周共?18?節(jié)課，相對以前的機器學習視頻，這個視頻更加清晰，而且每課都有?ppt?課件，推薦學習。

第?1?周一、 引言(Introduction)?1.1
e (7 min).mkv第一個視頻主要講了什么是機器學習，機器學習能做些什么事情。機器學習是目前信息技術中最激動人心的方向之一。在這門課中，你將學習到這門技術的前沿，并可以自己實現(xiàn)學習機器學習的算法。你或許每天都在不知不覺中使用了機器學習的算法每次，你打開谷歌、必應搜索到你需要的內(nèi)容，正是因為他們有良好的學習算法。谷歌和微軟實現(xiàn)了學習算法來排行網(wǎng)頁每次，你用?Facebook?或蘋果的圖片分類程序他能認出你朋友的照片，這也是機器學習。每次您閱讀您的電子郵件垃圾郵件篩選器，可以幫你過濾大量的垃圾郵件這也是一種學習算法。對我來說，我感到激動的原因之一是有一天做出一個和人類一樣聰明的機器。實現(xiàn)這個想法任重而道遠，許多?AI?研究者認為，實現(xiàn)這個目標最好的方法是通過讓機器試著模仿人的大腦學習我會在這門課中介紹一點這方面的內(nèi)容。在這門課中，你還講學習到關于機器學習的前沿狀況。但事實上只了解算法、數(shù)學并不能解決你關心的實際的問題。所以，我們將花大量的時間做練習，從而你自己能實現(xiàn)每個這些算法，從而了解內(nèi)部機理。那么，為什么機器學習如此受歡迎呢？
原因是，機器學習不只是用于人工智能領域。我們創(chuàng)造智能的機器，有很多基礎的知識。比如，我們可以讓機器找到?A?與?B?之間的最短路徑，但我們?nèi)匀徊恢涝趺醋寵C器做更有趣的事情，如?web?搜索、照片標記、反垃圾郵件。我們發(fā)現(xiàn)，唯一方法是讓機器自己學習怎么來解決問題。所以，機器學習已經(jīng)成為計算機的一個能力?，F(xiàn)在它涉及到各個行業(yè)和基礎科學中。我從事于機器學習，但我每個星期都跟直升機飛行員、 生物學家、很多計算機系統(tǒng)程序員交流（我在斯坦福大學的同事同時也是這樣）和平均每個星期會從硅谷收到兩、三個電子郵件，這些聯(lián)系我的人都對將學習算法應用于他們自己的問1機器學習課程-第?1?周-引言(Introduction)?題感興趣。這表明機器學習涉及的問題非常廣泛。有機器人、計算生物學、硅谷中大量的問題都收到機器學習的影響。這里有一些機器學習的案例。比如說，數(shù)據(jù)庫挖掘。機器學習被用于數(shù)據(jù)挖掘的原因之一是網(wǎng)絡和自動化技術的增長，這意味著，我們有史上最大的數(shù)據(jù)集比如說，大量的硅谷公司正在收集?web?上的單擊數(shù)據(jù)，也稱為點擊流數(shù)據(jù)，并嘗試使用機器學習算法來分析數(shù)據(jù)，更好的了解用戶，并為用戶提供更好的服務。這在硅谷有巨大的市場。再比如，醫(yī)療記錄。隨著自動化的出現(xiàn)，我們現(xiàn)在有了電子醫(yī)療記錄。如果我們可以把醫(yī)療記錄變成醫(yī)學知識，我們就可以更好地理解疾病。再如，計算生物學。還是因為自動化技術，生物學家們收集的大量基因數(shù)據(jù)序列、DNA?序列和等等，機器運行算法讓我們更好地了解人類基因組，大家都知道這對人類意味著什么。再比如，工程方面，在工程的所有領域， 我們有越來越大、越來越大的數(shù)據(jù)集，我們試圖使用學習算法，來理解這些數(shù)據(jù)。另外，在機械應用中，有些人不能直接操作。例如，我已經(jīng)在無人直升機領域工作了許多年。我們不知道如何寫一段程序讓直升機自己飛。我們唯一能做的就是讓計算機自己學習如何駕駛直升機。手寫識別：現(xiàn)在我們能夠非常便宜地把信寄到這個美國甚至全世界的原因之一就是當你寫一個像這樣的信封，一種學習算法已經(jīng)學會如何讀你信封，它可以自動選擇路徑，所以我們只需要花幾個美分把這封信寄到數(shù)千英里外。事實上，如果你看過自然語言處理或計算機視覺，這些語言理解或圖像理解都是屬于?AI?領域。大部分的自然語言處理和大部分的計算機視覺，都應用了機器學習。學習算法還廣泛用于自定制程序。每次你去亞馬遜或?Netflix?或?iTunes Genius，它都會給出其他電影或產(chǎn)品或音樂的建議，這是一種學習算法。仔細想一想，他們有百萬的用戶；但他們沒有辦法為百萬用戶，編寫百萬個不同程序。軟件能給這些自定制的建議的唯一方法是通過學習你的行為，來為你定制服務。最后學習算法被用來理解人類的學習和了解大腦。我們將談論如何用這些推進我們的?AI?夢想。幾個月前，一名學生給我一篇文章關于最頂尖的?12?個?IT?技能。擁有了這些技能?HR?絕對不會拒絕你。這是稍顯陳舊的文章，但在這個列表最頂部就是機器學習的技能。在斯坦福大學，招聘人員聯(lián)系我，讓我推薦機器學習學生畢業(yè)的人遠遠多于機器學習的畢業(yè)生。所以我認為需求遠遠沒有被滿足現(xiàn)在學習“機器學習”非常好，在這門課中，我希望能告訴你們很多機器學習的知識。2機器學習課程-第?1?周-引言(Introduction)?3在接下來的視頻中，我們將開始給更正式的定義，什么是機器學習。然后我們會開始學習機器學習的主要問題和算法你會了解一些主要的機器學習的術語，并開始了解不同的算法，用哪種算法更合適。機器學習課程-第?1?周-引言(Introduction)
1.2?機器學習是什么？
機器學習是什么？在本視頻中，我們會嘗試著進行定義，同時讓你懂得何時會使用機器學習。實際上，即使是在機器學習的專業(yè)人士中，也不存在一個被廣泛認可的定義來準確定義機器學習是什么或不是什么，現(xiàn)在我將告訴你一些人們嘗試定義的示例。第一個機器學習的定義來自于?Arthur Samuel。他定義機器學習為，在進行特定編程的情況下，給予計算機學習能力的領域。Samuel?的定義可以回溯到?50?年代，他編寫了一個西洋棋程序。這程序神奇之處在于，編程者自己并不是個下棋高手。但因為他太菜了，于是就通過編程，讓西洋棋程序自己跟自己下了上萬盤棋。通過觀察哪種布局（棋盤位置）會贏，哪種布局會輸，久而久之，這西洋棋程序明白了什么是好的布局，什么樣是壞的布局。然后就牛逼大發(fā)了，程序通過學習后，玩西洋棋的水平超過了?Samuel。這絕對是令人注目的成果。盡管編寫者自己是個菜鳥，但因為計算機有著足夠的耐心，去下上萬盤的棋，沒有人有這耐心去下這么多盤棋。通過這些練習，計算機獲得無比豐富的經(jīng)驗，于是漸漸成為了比Samuel?更厲害的西洋棋手。上述是個有點不正式的定義，也比較古老。另一個年代近一點的定義，由?Tom Mitchell?提出，來自卡內(nèi)基梅隆大學，Tom?定義的機器學習是，一個好的學習問題定義如下，他說，一個程序被認為能從經(jīng)驗?E?中學習，解決任務?T，達到性能度量值P，當且僅當，有了經(jīng)驗?E?后，經(jīng)過?P?評判，程序在處理?T?時的性能有所提升。我認為經(jīng)驗?e?就是程序上萬次的自我練習的經(jīng)驗而任務?t?就是下棋。性能度量值?p?呢，就是它在與一些新的對手比賽時，贏得比賽的概率。在這些視頻中，除了我教你的內(nèi)容以外，我偶爾會問你一個問題，確保你對內(nèi)容有所理解。說曹操，曹操到，頂部是?Tom Mitchell?的機器學習的定義，我們假設您的電子郵件程序會觀察收到的郵件是否被你標記為垃圾郵件。在這種?Email?客戶端中，你點擊“垃圾郵件”?按鈕，報告某些?email?為垃圾郵件，不會影響別的郵件?；诒粯擞洖槔泥]件，您的電子郵件程序能更好地學習如何過濾垃圾郵件。請問，在這個設定中，任務?T?是什么？幾秒鐘后，該視頻將暫停。當它暫停時，您可以使用鼠標，選擇這四個單選按鈕中的一個，讓我知道這四個，你所認為正確的選項。它可能是性能度量值?P。所以，以性能度量值?P?為標準，4機器學習課程-第?1?周-引言(Introduction)?這個任務的性能，也就是這個任務?T?的系統(tǒng)性能，將在學習經(jīng)驗?E?后得到提高。本課中，我希望教你有關各種不同類型的學習算法。目前存在幾種不同類型的學習算法。主要的兩種類型被我們稱之為監(jiān)督學習和無監(jiān)督學習。在接下來的幾個視頻中，我會給出這些術語的定義。這里簡單說兩句，監(jiān)督學習這個想法是指，我們將教計算機如何去完成任務，而在無監(jiān)督學習中，我們打算讓它自己進行學習。如果對這兩個術語仍一頭霧水，請不要擔心，在后面的兩個視頻中，我會具體介紹這兩種學習算法。此外你將聽到諸如，強化學習和推薦系統(tǒng)等各種術語。這些都是機器學習算法的一員，以后我們都將介紹到，但學習算法最常用兩個類型就是監(jiān)督學習、無監(jiān)督學習。我會在接下來的兩個視頻中給出它們的定義。本課中，我們將花費最多的精力來討論這兩種學習算法。而另一個會花費大量時間的任務是了解應用學習算法的實用建議。我非常注重這部分內(nèi)容，實際上，就這些內(nèi)容而言我不知道還有哪所大學會介紹到。給你講授學習算法就好像給你一套工具，相比于提供工具，可能更重要的，是教你如何使用這些工具。我喜歡把這比喻成學習當木匠。想象一下，某人教你如何成為一名木匠，說這是錘子，這是螺絲刀，鋸子，祝你好運，再見。這種教法不好，不是嗎？你擁有這些工具，但更重要的是，你要學會如何恰當?shù)厥褂眠@些工具。會用與不會用的人之間，存在著鴻溝。尤其是知道如何使用這些機器學習算法的，與那些不知道如何使用的人。在硅谷我住的地方，當我走訪不同的公司，即使是最頂尖的公司，很多時候我都看到人們試圖將機器學習算法應用于某些問題。有時他們甚至已經(jīng)為此花了六個月之久。但當我看著他們所忙碌的事情時，我想說，哎呀，我本來可以在六個月前就告訴他們，他們應該采取一種學習算法，稍加修改進行使用，然后成功的機會絕對會高得多所以在本課中，我們要花很多時間來探討，如果你真的試圖開發(fā)機器學習系統(tǒng)，探討如何做出最好的實踐類型決策，才能決定你的方式來構建你的系統(tǒng)，這樣做的話，當你運用學習算法時，就不太容易變成那些為尋找一個解決方案花費6?個月之久的人們的中一員。他們可能已經(jīng)有了大體的框架，只是沒法正確的工作于是這就浪費了六個月的時間。所以我會花很多時間來教你這些機器學習、人工智能的最佳實踐以及如何讓它們工作，我們該如何去做，硅谷和世界各地最優(yōu)秀的人是怎樣做的。我希望能幫你成為最優(yōu)秀的人才，通過了解如何設計和構建機器學習和人工智能系統(tǒng)。這就是機器學習，這些都是我希望講授的主題。在下一個視頻里，我會定義什么是監(jiān)督學習，什么是無監(jiān)督學習。此外，探討何時使用二者。5機器學習課程-第?1?周-引言(Introduction)?61.3?監(jiān)督學習
我要定義可能是最常見一種機器學習問題：那就是監(jiān)督學習。我將在后面正式定義監(jiān)督學習。我們用一個例子介紹什么是監(jiān)督學習把正式的定義放在后面介紹。假如說你想預測房價。前陣子，一個學生從波特蘭俄勒岡州的研究所收集了一些房價的數(shù)據(jù)。你把這些數(shù)據(jù)畫出來，看起來是這個樣子：橫軸表示房子的面積，單位是平方英尺，縱軸表示房價，單位是千美元。那基于這組數(shù)據(jù)，假如你有一個朋友，他有一套?750?平方英尺房子，現(xiàn)在他希望把房子賣掉，他想知道這房子能賣多少錢。那么關于這個問題，機器學習算法將會怎么幫助你呢？

我們應用學習算法，可以在這組數(shù)據(jù)中畫一條直線，或者換句話說，擬合一條直線，根據(jù)這條線我們可以推測出，這套房子可能賣$150, 000，當然這不是唯一的算法?？赡苓€有更好的，比如我們不用直線擬合這些數(shù)據(jù)，用二次方程去擬合可能效果會更好。根據(jù)二次方程的曲線，我們可以從這個點推測出，這套房子能賣接近$200, 000。稍后我們將討論如何選擇學習算法，如何決定用直線還是二次方程來擬合。兩個方案中有一個能讓你朋友的房子出售得更合機器學習課程-第?1?周-引言(Introduction)?理。這些都是學習算法里面很好的例子。以上就是監(jiān)督學習的例子。可以看出，監(jiān)督學習指的就是我們給學習算法一個數(shù)據(jù)集。這個數(shù)據(jù)集由“正確答案”組成。在房價的例子中，我們給了一系列房子的數(shù)據(jù)，我們給定數(shù)據(jù)集中每個樣本的正確價格，即它們實際的售價然后運用學習算法，算出更多的正確答案。比如你朋友那個新房子的價格。用術語來講，這叫做回歸問題。我們試著推測出一個連續(xù)值的結果，即房子的價格。一般房子的價格會記到美分，所以房價實際上是一系列離散的值，但是我們通常又把房價看成實數(shù)，看成是標量，所以又把它看成一個連續(xù)的數(shù)值。

上述已打包整理好，獲取方式如下：

1.一鍵三連+關注

2.后臺主動留下痕跡：“筆記”（重點）??