机器学习阶段总结一

图片发自App

最近两个月在大量学习人工智能和机器学习相关知识，主要是在理论层面，还缺少实践和项目开发，先做个盘点和总结。

人工智能相关书籍看了吴军的《智能时代》、卡普兰的《人工智能时代》，他们都是从宏观层面去谈人工智能对社会各个行业、各个层面的深刻影响，有对已经发生的行业案例分析，也有对将来的展望和预测。

刚好上海举行了世界人工智能大会，BAT等知名互联网企业一把手和各路专家大咖分别做了演讲。比较欣赏马云的一句话“智能是改变世界的工具，智慧是改变智能的思想，我们应该真正担心的不是机器智能，会超越人类智慧，而是人类本身的智慧会停止增长”。

智能和之前工业革命的蒸汽机和电力一样，改变的是社会生产力，互联网改变的是社会生产关系，我们要学习去驾驭新的工具，与时俱进，要与机器智能共舞，为我所用，而不是逃避甚至排斥和恐惧。社会发展大势所趋，只有抓住形势，积极学习进取才能立于不败之地。

机器学习是人工智能的关键技术，要驾驭人工智能技术，就必须熟悉机器学习，至少要能看懂、会用相关开发工具和智能产品。这两个月来主要学习了google tensorflow的官网教程以及“极客时间”中王天一的人工智能和机器学习专栏课程。

坦白的讲，机器学习技术在广度和深度上都很给力，对于一个工作了15年、计算机科班出身的小硕来说，很有挑战！常常是看完后不知所云，我初期目标是能够了解机器学习主要的方法、概念、模型、算法，能够使用主流的框架如tensorflow解决语音识别等问题，并应用在工作中。

越是难学，我越想是掌握，正所谓难做的事更容易成功。机器学习技术对于编程来说应该属于完全不同的学科，所以我认为广大码农恐怕没有什么学习优势。机器学习更多的是数学，具体的说主要是线性代数、概率论、数理统计等。机器学习重在建模、样本库遴选、特征处理、调参、优化，编程相对来说反而是容易的事情。

机器学习本质上就是从大量数据中寻找变化的规律，从而能够利用规律去分析和预测未知问题，帮助甚至代替人类的一些工作。所谓机器学习就是用计算机去求解数学难题，不断取得更优解，不断逼近客观现实。

机器学习分为两种方式：监督学习和无监督学习。顾名思义，监督学习就是在有监督的情况下学习，什么是监督呢？就是训练数据已经标识了正确的结果，机器必须是根据确定的结果去寻找和计算其中的规律。

无监督学习就是训练样本没有预先标识，机器从一开始就不知道该数据是什么东西，完全靠算法和模型去判别数据。

机器学习都是基于数据集去分析处理，这里的数据集分为训练数据、验证数据和测试数据，训练数据用于机器学习训练，验证数据是为了评估学习情况，测试数据则是评价机器学习好坏的未知数据。