机器学习统计与计算之恋

《机器学习统计与计算之恋》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、机器学习:统计与计算之恋张志华May2016机遇与挑战：快速增长的数据规模发布年份Alpha-Go简单监督神经网络:快棋手复杂监督神经网络:慢棋手强化学习神经网络：左右互博：最大化最后的奖励值网络（棋感）：两名强化棋手赛一局后抽一个[状态，下步棋位]和得分组成[数据，标签]下棋策略：模拟：通过下一步棋，使得最终获胜的概率尽可能大更新：更新值网络•回顾与思考•几个简单的研究思路人工智能机器学习数据统计计算机器学习“Itisoneoftoday’srapidlygrowingtechnicalfields,lyingattheintersectionof

2、computerscienceandstatistics,andatthecoreofartificialintelligenceanddatascience.”M.I.JordanandT.M.Mitchell.Machinelearning:Trends,perspectives,andprospects.Science,349(6245),2015.机器学习数据表示建模计算实现机器学习或统计机器学习MatrixStatisticsMachineLearningOptimizationAlgorithm机器学习三个层次初级(Low•数据获取和特征提取Level

3、)•数据处理与分析中级(Middle•应用问题导向(DataMining)Level):•方法与算法(MachineLearning)•推理高级(High•智能与认知Level):机器学习发展几个关键期上世纪90年代平淡时期。1996年---2006年黄金期：SVM，Boosting,KernelMethod,Lasso,etc.手写数字识别点击率预估股票预测2006年---2009年徘徊期。机器学习发展几个关键期成为计算机科学和人工智能的主流学科。美国院士图灵奖当下热点MikeJordanTomMitchell2011年Judea深度学习Jerome

4、FriedmanPearlAlphagoDaphneKoller概率和因果性无人驾驶汽车RobertTibshirani推理演算法人工智能助理RobertSchapireBinYuLarryWassermanStephenBoyd工业界的视角微软模式到谷歌模式：从制造到服务。“BigData”和数据驱动。深度学习在计算机视觉、自然语言理解、语音识别、智力游戏等领域的颠覆性成就。数据科学数据科学DataScience–计算机科学、数值分析、现代数据分析等的交叉学科；–目的是从数据中获得知识，获得有价值的信息，服务社会；–DataScien

5、tistorDataEngineer应具备三个条件：底层架构开发或使用能力(Spark,MapReduceorHadoop);程序开发能力；数学建模和解决问题能力。统计学界的视角Statisticiansthoughtthatcomputerscientistswerereinventingthewheel.Computerscientiststhoughtthatstatisticaltheorydidn’tapplytoLarryWassermantheirproblems.美国科学院院士StatisticiansnowrecognizethatAllo

6、fStatisticscomputerscientistsaremakingnovelcontributionsComputerscientistsnowrecognizethegeneralityofstatisticaltheoryandmethodology统计学的视角“Usingfancytoolslikeneuralnets,boosting,andsupportvectormachineswithoutunderstandingbasicstatisticsislikedoingbrainsurgerybeforeknowinghowtouseab

7、and-aid.”LarryWasserman这是为什么学术界对深度学习仍存疑虑？计算机科学与统计StatisticiansandComputerScientists–ComputerScientists:ComputingandIntuitiveAbility–Statisticians:ModelingandTheoreticalAnalysisExamples–Boosting,SupportVectorMachines(SVMs)andSparseModeling–KernelPrincipalComponentAnalysis(KPCA)andMu

8、ltidi