如何零基础入门机器学习？

机器学习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。机器学习是人工智能的核心，是使计算机具有智能的根本途径。 

人工智能是近年来非常火的话题，人们似乎看到了在某些领域内机器智能取代人力的可能性。之所以人们可以得到这样的判断，主要是基于以下几方面原因：随着互联网的发展，人类社会积累了大量的数据可供分析；机器学习的算法不断迭代，特别是近年来随着深度学习的发展，人们从理论层面取得了实质性突破；随着分布式计算的成熟，云计算让计算资源不再成为瓶颈。我们可以把人工智能看作一个数据挖掘体系，在这个体系当中，机器学习的作用主要是学习历史数据中的经验，把这些经验构建成数学模型。人类利用机器学习算法生成的模型，就可以解决日常的一些问题，如商品推荐和对股票涨跌的预测等。

以上谈到了机器学习的主要作用，我们再来了解机器学习在业务中的应用，其实机器学习算法正在逐步向“平民化”演变。早些时候，只有一些规模比较大的公司会投入资源在智能算法的研究上，因为这些算法需要大量的数据积累以及计算资源，而且整个业务框架跟算法的结合也需要耗费很大人力，所以只有少数数据业务量达到一定规模的公司会在这方面投入。但是随着各种开源算法框架的发展以及计算资源的价格走低，机器学习不再是“奢侈品”，很多规模不大的公司也开始尝试用机器学习算法生成的模型来指导自身业务，用数据来解决业务问题是代价最小的方式，而且效果会随着数据量的积累变得越来越明显。机器学习算法正在帮助越来越多的企业实现转型，从传统的商业智能（Business Intelligence，BI）驱动到人工智能（Artificial Intelligence，AI）驱动。通过平日里与客户打交道，我们可以了解到，现在不只是互联网公司，更多传统行业，如教育、地产和医疗等，也在尝试把自己的业务数据上传到云，通过机器学习算法来提升自己的业务竞争力。

近几年，获得投资界助力的AI市场发展迅猛，以机器学习为代表的人工智能经过飞速发展，已成为当今世界最为火热的技术领域。人工智能已经进入人们生活的方方面面，并改变着我们的世界。随着人工智能市场的火热，行业面临着大量的人才缺口，Google中国已为应届生岗位开出高达 56 万的年薪。

为了在人工智能时代取得先机，越来越多的企业寻求更加灵活和强大的深度学习能力。为帮助企业升级和转型，促进AI领域人才的培养，促进人工智能行业的发展，北京长风信息技术产业联盟联合人民邮电出版社异步社区，将整合人工智能领域专家资源，推出人工智能系列公开课。

7月7日，特邀请大中华地区首位人工智能和机器学习方向的谷歌开发者专家林嵩老师，带您走进机器学习世界，探讨机器学习领域的前沿理论以及最佳实践。通过基础理论与项目实践相结合的教学方式，全程引路、帮您快速提升技能。

老师全天陪伴式面授，随时为学员解决任何疑难问题。

大师智慧+实践干货，就等你来！

点击报名（优惠码:4097VA000A）

“作者介绍”

林嵩，大中华地区首位人工智能和机器学习方向的谷歌开发者专家，硕士毕业于中国科学院研究生院。主要从事机器学习算法在传统行业落地实践研究和应用工作，长期活跃于谷歌开发者技术社区。

2017年，谷歌官网公布的最新一期开发者专家名单中，林嵩成为大中华地区首位人工智能和机器学习方向的谷歌开发者专家。谷歌开发者专家项目覆盖技术、市场、产品设计等三十余个方向，目前大中华区获此称号的不足十人。

“学习收获”

本课程作为深度学习系列课程的第一阶段，将介绍机器学习的基本概念，原理，以及常用算法（如回归，神经网络算法等），并对每种算法进行结合实例讲解。为开发机器学习相关应用打下必要基础，同时也为学习深度学习进阶课程打下必要基础。

本门课程会解答以下几个问题：

• 机器学习与传统编程的不同之处

• 什么是损失，如何衡量损失

• 梯度下降法的运作方式

• 如何确定搭建的模型是否有效

• 怎样为机器学习提供数据

• 怎样构建深度神经网络

• 深度学习入门及典型案例理解

“课程大纲”

【课程大纲】 

1. 机器学习概念

− 机器学习简介

− 框架处理

− 深入了解机器学习

− 降低损失

− 使用TF的基本步骤

− 泛化

− 训练集和测试集

− 验证

− 表示法

− 特征组合

− 正则化：简单性

− 逻辑回归

− 分类

− 正则化：稀疏性

− 神经网络简介

− 训练神经网络

− 多类别神经网络

− 嵌入

2. 深度学习

− 卷积神经网络

− 激活函数，降维，归一化，池化，区域分割等

− 几种典型的网络框架：Alexnet，VGG，Unet等

3. 机器学习实践示例

4、 总结

“面授安排”