机器学习[1]-简介

一、机器学习的目标

机器学习是实现人工智能的手段,其主要研究内容是如何利用数据或经 验进行学习,改善具体算法的性能
• 多领域交叉,涉及概率论、统计学,算法复杂度理论等多门学科
• 广泛应用于网络搜索、垃圾邮件过滤、推荐系统、广告投放、信用评价、欺诈检测、股票交易和医疗诊断等应用

二、机器学习分类

机器学习一般分为下面几种类别
• 监督学习 (Supervised Learning)
• 无监督学习 (Unsupervised Learning)
• 强化学习(Reinforcement Learning,增强学习)
• 半监督学习(Semi-supervised Learning)
• 深度学习 (Deep Learning)

 

三、相关资料

1. 图书-《机器学习》-周志华
出版社:清华大学出版社 主页:http://t.cn/RXvpCKB

2.图书-《PRML》-Bishop
出版社:Springer 主页:http://t.cn/RXv0YVz 民间评价:“早知此书,PhD早毕业2年”

3.课程-《Machine Learning》-Andrew Ng
Coursera版 课程主页:http://t.cn/RJZQbV2
Stanford手书版 在线观看:http://t.cn/RwUWKMS
课程主页:http://cs229.stanford.edu/

4.课程 -《CS231n》- Fei-Fei Li
课程主页:http://cs231n.stanford.edu/
在线观看:http://t.cn/RqRNasR

5.课程 -《Reinforcement Learning》- David Silver
课程主页:http://t.cn/Rw0rwtU
在线观看:http://t.cn/RIAfRUt

参考资料:
北京理工大学 礼欣 www.python123.org

发表评论

电子邮件地址不会被公开。 必填项已用*标注