标签：应用 反垃圾邮件 识别 一课 机器人 web 感知 如何 理论
Machine Learning(机器学习)是研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。
它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演译。
在过去的十年中，机器学习帮助我们自动驾驶汽车，有效的语音识别，有效的网络搜索，并极大地提高了人类基因组的认识。
在本课中，您将学习最有效的机器学习技术，并获得实践，让它们为自己的工作。更重要的是，你会不仅得到理论基础的学习，而且获得那些需要快速和强大的应用技术解决问题的实用技术。最后，你会学到一些硅谷利用机器学习和人工智能的最佳实践创新。
本课程提供了一个广泛的介绍机器学习、数据挖掘、统计模式识别的课程。主题包括：
（一）监督学习（参数/非参数算法，支持向量机，核函数，神经网络）
（二）无监督学习（聚类，降维，推荐系统，深入学习推荐）
（三）在机器学习的最佳实践（偏差/方差理 论；在机器学习和人工智能创新过程）
本课程还将使用大量的案例研究，您还将学习如何 运用学习算法构建智能机器人（感知，控制），文本的理解（Web搜索，反垃圾邮件），计算机视觉，医疗信息，音频，数据挖掘，和其他领域。
第一课、 引言(Introduction)
1.1 欢迎
1.2 机器学习是什么？
1.3 监督学习
1.4 无监督学习
1.1 欢迎
标签：应用 反垃圾邮件 识别 一课 机器人 web 感知 如何 理论
原文地址：http://www.cnblogs.com/Lindaman/p/6747270.html
