机器学习概念原理及常用算法

概念：

机器学习(Machine Learning, ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。

它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎。

教学课程：机器学习入门概念

（课程主要讲解机器学习的概念、原理和应用场景，以及机器学习的常用算法，比如有监督学习、无监督学习、线性回归等。）

机器学习是人工智能研究较为年轻的分支，它的发展过程大体上可分为4个时期。

第一阶段是在20世纪50年代中叶到60年代中叶，属于热烈时期。

第二阶段是在20世纪60年代中叶至70年代中叶，被称为机器学习的冷静时期。

第三阶段是从20世纪70年代中叶至80年代中叶，称为复兴时期。

机器学习的最新阶段始于1986年。

机器学习进入新阶段的重要表现在下列诸方面：

(1) 机器学习已成为新的边缘学科并在高校形成一门课程。它综合应用心理学、生物学和神经生理学以及数学、自动化和计算机科学形成机器学习理论基础。

(2) 结合各种学习方法，取长补短的多种形式的集成学习系统研究正在兴起。特别是连接学习符号学习的耦合可以更好地解决连续性信号处理中知识与技能的获取与求精问题而受到重视。

(3) 机器学习与人工智能各种基础问题的统一性观点正在形成。例如学习与问题求解结合进行、知识表达便于学习的观点产生了通用智能系统SOAR的组块学习。类比学习与问题求解结合的基于案例方法已成为经验学习的重要方向。

(4) 各种学习方法的应用范围不断扩大，一部分已形成商品。归纳学习的知识获取工具已在诊断分类型专家系统中广泛使用。连接学习在声图文识别中占优势。分析学习已用于设计综合型专家系统。遗传算法与强化学习在工程控制中有较好的应用前景。与符号系统耦合的神经网络连接学习将在企业的智能管理与智能机器人运动规划中发挥作用。

(5) 与机器学习有关的学术活动空前活跃。国际上除每年一次的机器学习研讨会外，还有计算机学习理论会议以及遗传算法会议。

教学大纲

教程课时：

第1 章 ： 机器学习概念、原理和应用场景

课时1：机器学习基础概念 16:06

课时2：机器学习的领域 11:50

课时3：机器为什么能学习 08:17

第2 章 ： 机器学习常用算法

课时4：监督学习 - 线性回归 14:22

课时5：非线性回归、过度拟合、模型选择 06:33

课时6：有监督学习分类 05:26

课时7：无监督学习 12:06

第3 章 ： 总结与练习

课时8：总结与练习 03:16

讲师介绍：

西亭，蚂蚁金服大规模机器学习高级算法专家

课程目标：

掌握机器学习的概念、原理和算法

适合人群：

大数据开发者

机器学习开发者

阿里云大学官网（阿里云大学 - 官方网站，云生态下的创新人才工场）