用python开发你的智能应用-huihoo.pdfVIP

深度学习 －用 PYTHON 开发你的智能应用 费良宏 / lianghon@ ， A WS Technical Evangelis t 21 A pril 2016 关于我 工作：A mazon Web Services / Evangelist 7 年 Windows/ Internet/ Cloud @Microso 3 年 iOS/ Mobile A pp @A pple 1.5 年 Cloud Computing @AWS 技术关注： 云计算：架构、大数据、计算优化 机器学习：深度学习、自然语言处理 语言：Python、Go、Scala、Lua Web ：爬虫 2016的目标：Web爬虫＋深度学习＋自然语言处理 ＝ ？ 今年最激动人心的事件？ 2016.1.28 “Mastering the game of Go with deep neural networks and tree search” 今年最激动人心的事件？ 2016年3月A lphago 4:1 击败李世石九段 人工智能 VS. 机器学习 VS. 深度学习 人工智能发展的历史 四大宗师 Yann Lecun, Geoff Hinton, Yoshua Bengio, A ndrew Ng 机器学习 机器学习是一门人工智能的科学。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 机器学习 计算机能够分辨出来他／她是谁吗？ 机器学习 机器学习 基于过去的事实和数据，用来发现趋势和模式 机器学习模型提供了对于结果的洞察力，机器学习帮助 揭示未来的一个结果的概 率而不仅仅是过去发生的事情 历史的数据和统计建模被用于概率进行预测 传统的数据分析旨在回答关于过去的事实，机器学习的目 的是回答关于未来事件的可能性的问题! 机器学习的应用场景 个性化 – 提供个性化的电子商务体验 文档聚类 – 按照文档上下文自动分类 欺诈检测 – 发现异常的规律行为，识别和标记欺诈交易 推荐引擎 客户流失预测 ... 机器学习－学习方式 监督学习- 人工干预和验证的要求,算法：Logistic Regression ，Back Propagation Neural Network 等。例如：照片分类和标签 无监督学习- 无人工干预的要求, 算法: A priori算法以及k-Means 。例如：对于文档的基于上下 文的自动分类 半监督学习 - 介于监督学习和无监督学习之间，算法: Graph Inference 或者Laplacian SV M 强化学习- 通过观察来学习做成如何的动作, 算法：Q-Learning以及时间差学习 机器学习－ 方法及流程 输入特征选择 – 基于什么进行预测 目标 – 预测什么 预测功能 – 回归、聚类、降维... X n - F(x n) - T(x) 机器学习－ 举例 机器学习－ 举例 如何让机器分辨出来他／她是谁 ？ 图像分析 – 输入特征选择 -面部特征、发型、裙子、身高、手势… 机器学习－ 何时使用 你不需要机器学习，如果 - 使用简单的规则和计算，你可以预测答案 你能够预先了解到所需要的步骤不需要任何数据驱动的 学习 你需要机器学习，如果 - 简单的聚类规则是不充分的 面对大量的数据集的可伸缩性的问题 机器学习 － 总结 由已知答案的数据开始 明确目标 – 从数据中希望可以预测什么 选择可以被用来预测目标的模式所需要的变量／特性 使用已知目标答案的数据训练机器学习模型 对于未知答案的数据，使用训练过的模型预测目标 评估模型的准确性 提高模型精度