Machine Learning 是人工智能的核心，主要使用歸納、綜合而不是演繹。

讓計算機模擬人類行為，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性能

一個程序能從經驗 E 中學習，解決任務 T，達到性能度量值P，

有了經驗 E 后，經過 P 評判，程序在處理 T 時的性能有所提升。

主題：

1、監督學習：回歸、支持向量機、核函數、神經網絡

2、無監督學習：聚類、降維、推薦系統、深入學習推薦

3、機器學習實踐：偏差/方差理論、機器學習和人工智能創新過程

————————————————————————————————————————

學習算法最常用兩個類型就是監督學習、無監督學習。

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應用學習算法的實用建議。

通過了解如何設計和構建機器學習和人工智能系統，可以幫你成為最優秀的人才。

監督學習：

給學習算法一個數據集，這個數據集含有“正確答案”。

分類 ? ?預測值是離散的

回歸 ? ?預測值是連續的

無監督學習：

數據集沒有標簽，自動的從中找出結構。

聚類 ? ?新聞分組、組織大型計算機集群、社交網絡分析、市場分割、天文數據分析

學習算法開發步驟：

第一步：學習算法原型搭建，用MATLAB快速實現學習算法來驗證正確性；

第二部：學習算法移植，將算法用C++或JAVA實現。