什么是機(jī)器學(xué)習(xí)，機(jī)器學(xué)習(xí)能做些什么事情。

　　機(jī)器學(xué)習(xí)是目前信息技術(shù)中最激動(dòng)人心的方向之一。在這門課中，你將學(xué)習(xí)到這門技術(shù)的前沿，并可以自己實(shí)現(xiàn)學(xué)習(xí)機(jī)器學(xué)習(xí)的算法。

　　你或許每天都在不知不覺中使用了機(jī)器學(xué)習(xí)的算法每次，你打開谷歌、必應(yīng)搜索到你需要的內(nèi)容，正是因?yàn)樗麄冇辛己玫膶W(xué)習(xí)算法。谷歌和微軟實(shí)現(xiàn)了學(xué)習(xí)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(rèn)出你朋友的照片，這也是機(jī)器學(xué)習(xí)。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(xué)習(xí)算法。對(duì)我來說，我感到激動(dòng)的原因之一是有一天做出一個(gè)和人類一樣聰明的機(jī)器。實(shí)現(xiàn)這個(gè)想法任重而道遠(yuǎn)，許多 AI 研究者認(rèn)為，實(shí)現(xiàn)這個(gè)目標(biāo)最好的方法是通過讓機(jī)器試著模仿人的大腦學(xué)習(xí)我會(huì)在這門課中介紹一點(diǎn)這方面的內(nèi)容。

　　在這門課中，你還講學(xué)習(xí)到關(guān)于機(jī)器學(xué)習(xí)的前沿狀況。但事實(shí)上只了解算法、數(shù)學(xué)并不能解決你關(guān)心的實(shí)際的問題。所以，我們將花大量的時(shí)間做練習(xí)，從而你自己能實(shí)現(xiàn)每個(gè)這些算法，從而了解內(nèi)部機(jī)理。

　　那么，為什么機(jī)器學(xué)習(xí)如此受歡迎呢？原因是，機(jī)器學(xué)習(xí)不只是用于人工智能領(lǐng)域。

　　我們創(chuàng)造智能的機(jī)器，有很多基礎(chǔ)的知識(shí)。比如，我們可以讓機(jī)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(jī)器做更有趣的事情，如 web 搜索、照片標(biāo)記、反垃圾郵件。我們發(fā)現(xiàn)，唯一方法是讓機(jī)器自己學(xué)習(xí)怎么來解決問題。所以，機(jī)器學(xué)習(xí)已經(jīng)成為計(jì)算機(jī)的一個(gè)能力。

　　現(xiàn)在它涉及到各個(gè)行業(yè)和基礎(chǔ)科學(xué)中。我從事于機(jī)器學(xué)習(xí)，但我每個(gè)星期都跟直升機(jī)飛行員、生物學(xué)家、很多計(jì)算機(jī)系統(tǒng)程序員交流（我在斯坦福大學(xué)的同事同時(shí)也是這樣）和平均每個(gè)星期會(huì)從硅谷收到兩、三個(gè)電子郵件，這些聯(lián)系我的人都對(duì)將學(xué)習(xí)算法應(yīng)用于他們自己的問題感興趣。這表明機(jī)器學(xué)習(xí)涉及的問題非常廣泛。有機(jī)器人、計(jì)算生物學(xué)、硅谷中大量的問題都收到機(jī)器學(xué)習(xí)的影響。

　　這里有一些機(jī)器學(xué)習(xí)的案例。比如說，數(shù)據(jù)庫挖掘。機(jī)器學(xué)習(xí)被用于數(shù)據(jù)挖掘的原因之一是網(wǎng)絡(luò)和自動(dòng)化技術(shù)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(diǎn)擊流數(shù)據(jù)，并嘗試使用機(jī)器學(xué)習(xí)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(wù)。這在硅谷有巨大的市場。再比如，醫(yī)療記錄。隨著自動(dòng)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(xué)知識(shí)，我們就可以更好地理解疾病。再如，計(jì)算生物學(xué)。還是因?yàn)樽詣?dòng)化技術(shù)，生物學(xué)家們收集的大量基因數(shù)據(jù)序列、DNA 序列和等等，機(jī)器運(yùn)行算法讓我們更好地了解人類基因組，大家都知道這對(duì)人類意味著什么。再比如，工程方面，在工程的所有領(lǐng)域，我們有越來越大、越來越大的數(shù)據(jù)集，我們?cè)噲D使用學(xué)習(xí)算法，來理解這些數(shù)據(jù)。另外，在機(jī)械應(yīng)用中，有些人不能直接操作。例如，我已經(jīng)在無人直升機(jī)領(lǐng)域工作了許多年。我們不知道如何寫一段程序讓直升機(jī)自己飛。我們唯一能做的就是讓計(jì)算機(jī)自己學(xué)習(xí)如何駕駛直升機(jī)。

　　手寫識(shí)別：現(xiàn)在我們能夠非常便宜地把信寄到這個(gè)美國甚至全世界的原因之一就是當(dāng)你寫一個(gè)像這樣的信封，一種學(xué)習(xí)算法已經(jīng)學(xué)會(huì)如何讀你信封，它可以自動(dòng)選擇路徑，所以我們只需要花幾個(gè)美分把這封信寄到數(shù)千英里外。

　　事實(shí)上，如果你看過自然語言處理或計(jì)算機(jī)視覺，這些語言理解或圖像理解都是屬于 AI 領(lǐng)域。大部分的自然語言處理和大部分的計(jì)算機(jī)視覺，都應(yīng)用了機(jī)器學(xué)習(xí)。學(xué)習(xí)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(huì)給出其他電影或產(chǎn)品或音樂的建議，這是一種學(xué)習(xí)算法。仔細(xì)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(gè)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(xué)習(xí)你的行為，來為你定制服務(wù)。

　　最后學(xué)習(xí)算法被用來理解人類的學(xué)習(xí)和了解大腦。

　　我們將談?wù)撊绾斡眠@些推進(jìn)我們的 AI 夢(mèng)想。幾個(gè)月前，一名學(xué)生給我一篇文章關(guān)于最頂尖的 12 個(gè) IT 技能。擁有了這些技能 HR 絕對(duì)不會(huì)拒絕你。這是稍顯陳舊的文章，但在這個(gè)列表最頂部就是機(jī)器學(xué)習(xí)的技能。

　　在斯坦福大學(xué)，招聘人員聯(lián)系我，讓我推薦機(jī)器學(xué)習(xí)學(xué)生畢業(yè)的人遠(yuǎn)遠(yuǎn)多于機(jī)器學(xué)習(xí)的畢業(yè)生。所以我認(rèn)為需求遠(yuǎn)遠(yuǎn)沒有被滿足現(xiàn)在學(xué)習(xí)“機(jī)器學(xué)習(xí)”非常好，在這門課中，我希望能告訴你們很多機(jī)器學(xué)習(xí)的知識(shí)。

　　在接下來的視頻中，我們將開始給更正式的定義，什么是機(jī)器學(xué)習(xí)。然后我們會(huì)開始學(xué)習(xí)機(jī)器學(xué)習(xí)的主要問題和算法你會(huì)了解一些主要的機(jī)器學(xué)習(xí)的術(shù)語，并開始了解不同的算法，用哪種算法更合適。

　　Machine Learning（機(jī)器學(xué)習(xí)）是研究計(jì)算機(jī)怎樣模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為，以獲取新的知識(shí)或技能，重新組織已有的知識(shí)結(jié)構(gòu)使之不斷改善自身的性能。它是人工智能的核心，是使計(jì)算機(jī)具有智能的根本途徑，其應(yīng)用遍及人工智能的各個(gè)領(lǐng)域，它主要使用歸納、綜合而不是演繹。在過去的十年中，機(jī)器學(xué)習(xí)幫助我們自動(dòng)駕駛汽車，有效的語音識(shí)別，有效的網(wǎng)絡(luò)搜索，并極大地提高了人類基因組的認(rèn)識(shí)。機(jī)器學(xué)習(xí)是當(dāng)今非常普遍，你可能會(huì)使用這一天幾十倍而不自知。很多研究者也認(rèn)為這是最好的人工智能的取得方式。在本課中，您將學(xué)習(xí)最有效的機(jī)器學(xué)習(xí)技術(shù)，并獲得實(shí)踐，讓它們?yōu)樽约旱墓ぷ鳌８匾氖牵銜?huì)不僅得到理論基礎(chǔ)的學(xué)習(xí)，而且獲得那些需要快速和強(qiáng)大的應(yīng)用技術(shù)解決問題的實(shí)用技術(shù)。最后，你會(huì)學(xué)到一些硅谷利用機(jī)器學(xué)習(xí)和人工智能的最佳實(shí)踐創(chuàng)新。

　　本課程提供了一個(gè)廣泛的介紹機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、統(tǒng)計(jì)模式識(shí)別的課程。主題包括：（一）監(jiān)督學(xué)習(xí)（參數(shù)/非參數(shù)算法，支持向量機(jī)，核函數(shù)，神經(jīng)網(wǎng)絡(luò)）。（二）無監(jiān)督學(xué)習(xí)（聚類，降維，推薦系統(tǒng)，深入學(xué)習(xí)推薦）。（三）在機(jī)器學(xué)習(xí)的最佳實(shí)踐（偏差/方差理論；在機(jī)器學(xué)習(xí)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(xué)習(xí)如何運(yùn)用學(xué)習(xí)算法構(gòu)建智能機(jī)器人（感知，控制），文本的理解（Web 搜索，反垃圾郵件），計(jì)算機(jī)視覺，醫(yī)療信息，音頻，數(shù)據(jù)挖掘，和其他領(lǐng)域。