「大数据机器学习」机器学习定义和典型应用
来源
大数据机器学习 --- 袁春老师
从学习强国观看总结
第一章 概述
一、大数据机器学习的背景知识
二、机器学习与相关学科的关系
三、机器学习发展历程
四、大数据机器学习的主要特征
五、课程参考书目
一、大数据机器学习的背景知识
1、第一个例子
「大数据机器学习」机器学习定义和典型应用
请看这些图，这些图看似纷繁复杂，包罗万象，既有水井，又有家庭聚餐，也有孩子洗澡，还有瑜伽练习，可是，如果我们问，这些图可以归为哪一些类别呢？答案似乎也不容易回答？
「大数据机器学习」机器学习定义和典型应用
然而，我们让计算机回答这个问题？正确的答案是什么呢？
那么，机器真的能回答吗？刚才的这个问题，以及这些图片，来自计算机视觉著名的比赛，ImageNet，是由斯坦福大学等高校共同创建的。
「大数据机器学习」机器学习定义和典型应用
这个问题来自比赛中的图片分类任务，比赛还包括其他的任务，如物体检测定位，细粒度分类，场景分割等，去年开始增加了视频中的物体检测和分割等任务，ImageNet2012年的分类任务数据集有1000个类别，每个类别有1200张图片；细粒度分类任务包括120个总的类别，每个类别有200张图片。
「大数据机器学习」机器学习定义和典型应用
我们来看一下，在比赛中，平均的错误率是多少，我们可以看到，2010年和2011年的错误率分别为28%和26%，然而，在2012年，错误率有了大幅度的提升，达到了16%，这背后的原因是什么呢？原因就在于卷积神经网络的采用，2012年，多伦多大学的hinton教授等提出的AlexNet卷积神经网络使得ImageNet分类任务的计算机性能有了质的飞跃！这是当年Alenx Hinton提出的AlexNet卷积神经网络模型！
「大数据机器学习」机器学习定义和典型应用
「大数据机器学习」机器学习定义和典型应用
由于分类任务的类别数为1000，所以该模型的输出也是1000；
由于AlexNet在ImageNet分类任务上的突出表现，立刻引起了机器学习学术界的极大关注，无数科研人员被此吸引，投身其中，开始了深度学习方法的研究！
而产业界更是奋起直追，伴随而来的就是深度学习在学术界和产业界的飞速发展，从2012年，AlexNet之后，微软、谷歌以及一些高校相继提出了改进的卷积神经网络。
如，上面的图列举了这几年主要的卷积神经网络算法模型。其中2015年，微软提出的神经网络模型在分类任务中的错误率为4.94%，低于人类测试得到的5.1%，这标志着人工智能在图像识别技术上取得了根本性的突破。
当然，我们刚才提到的勺子的这个例子，它的错误率没有这么低，这里指的是拓扑的平均错误率。
2、第二个例子
「大数据机器学习」机器学习定义和典型应用
我们知道，谷歌收购的DeepMind强化学习团队，在2016年3月，设计实现的AlphaGo战胜了人类围棋的世界冠军李世石，这标志着人工智能又一次取得了巨大的突破！
「大数据机器学习」机器学习定义和典型应用
这幅图是AlphaGo背后取得成功的强大模型！
上述的这两个例子揭示了这样一个事实，机器学习进入了一个新的时代，我们称之为大数据机器学习时代！
3、机器学习的一般解释
维基百科
机器学习是近20多年兴起的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。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。机器学习算法是一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法。因为学习算法中涉及了大量的统计学理论，机器学习与统计推断学联系尤为密切，也被称为统计学习理论。
4、机器学习的实际应用例子
1）在游戏方面(Game)
「大数据机器学习」机器学习定义和典型应用
1997年，IBM的深蓝战胜世界国际象棋大师卡斯帕罗夫，1997年版本的深蓝运算速度为每秒两亿步棋，是其1996年版本的两倍。
2）文音转换系统与语音识别系统(Text to speech and speech recognition)
「大数据机器学习」机器学习定义和典型应用
文音转换系统与语音识别系统都是机器学习的传统应用领域，它们都在日常生活当中伴随着我们，或者是为残障人士提供便利！
3）3D体感游戏
「大数据机器学习」机器学习定义和典型应用
3D体感游戏是机器学习与计算机视觉的结合，我们可以在家庭当中通过游戏锻炼身体，提高生活质量。
4）生物信息学(Bioinformatics)
「大数据机器学习」机器学习定义和典型应用
机器学习在生物信息学中的作用尤为突出，例如，利用机器学习方法，可以找到我们所感兴趣的基因。我们可以从人类的染色体提取隔离的人类氨基酸序列，翻译成氨基酸序列。然后，在生物的蛋白模型的数据中找寻类似的序列，然后基于已知结构的相似蛋白，对人类蛋白结构进行建模，从而能够发现捆绑到已经建模蛋白的药物！
5）量化高频交易(Quantitative trading)
「大数据机器学习」机器学习定义和典型应用
量化高频交易也是机器学习中的重要应用领域，越来越多的基金公司或商业机构，尝试利用深度学习方法预测行情走势，进行交易的决策和判断！
6）机器人、智能驾驶(Robotic Control)
「大数据机器学习」机器学习定义和典型应用
机器人、智能驾驶也是机器学习中的重要应用领域，越来越多的公司开发相关的应用产品，在智能驾驶中，通过雷达获取的地面信息，通过计算机视觉技术进行分析，从而使得汽车可以自动规避障碍！
7）再现中国传统的陶瓷工艺
「大数据机器学习」机器学习定义和典型应用
除此以外，机器学习还可以用于再现中国古代的陶瓷工艺，中华文化源远流长，优秀的陶瓷值作工艺已经失传，如何利用机器学习的方法学习模型在陶瓷制造的工艺条件，如陶瓷烧制为年度，瓷土原料，燃料特性，窑炉环境参数等数据，从而能够重现陶瓷工艺，再现中华文化的优秀作品！
