实践驱动的机器学习课程建设.PDFVIP

实践驱动的机器学习课程建设 赵卫东 复旦大学 wdzhao@fudan.edu.cn 机器学习在人工智能发展中的作用  机器学习是人工（机器）智能的重要技术基础，也是智能科学的核心。 程  人工智能的4次浪潮基本与机器学习的方法有关。  人工智能的突破在于机器学习算法的进步。 机器学习的复杂性 程  机器学习主要的理论基础涉及到高等数学、线性代数、概率论与数理统计、数值逼 近、最优化理论、数据库、计算复杂理论等，核心要素是数据、算法和模型。  机器学习的应用范围非常广泛，涉及各行各业。  机器学习技术的不成熟性（过高的期望）。 机器学习的演变（1）程  机器学习的起源可以追溯到上世纪50年代早期人工智能的符号演算、逻辑推理、自 动机模型、启发式搜索、模糊数学、专家系统、神经网络等，乃至最近的深度学习 算法等。  强烈的概率逻辑和归纳逻辑，对大量、高质量数据的依赖过高。 机器学习阶段 年份 主要成果 代表人物 1936 自动机模型理论 Alan Turing 1943 MP模型 Warren McCulloch、Walter Pitts 1951 符号演算 John von Neumann 人工智能起源 1950 逻辑主义 Claude Shannon 1956 人工智能 John McCarthy、Marvin Minsky、Claude Shannon 1958 LISP John McCarthy 1962 感知器收敛理论 Frank Roseblatt 人工智能初期 1972 通用问题求解(GPS) Allen Newell、Herbert Simon 1975 框架知识表示 Marvin Minsky 1965 进化策略 Ingo Rechenberg 进化计算 1975 遗传算法 John Henry Holland 1992 基因计算 John Koza 1965 模糊逻辑、模糊集 Lotfi Zadeh 专家系统和知识工 1969 DENDRA、MYCIN Feigenbaum、Buchanan、Lederberg 程 1979 ROSPECTOR Duda 机器学习的演变（2）程 1982 Hopfield网络 Hopfield 1982 自组织网络 Kohonen