微信号:ArchSummit

介绍:ArchSummit全球架构师峰会是InfoQ中国团队推出的面向高端技术管理者、架构师的技术大会.2018年深圳站大会演讲时间为7月6-7日,深度培训时间为:7月8-9日,敬请关注.

架构师训练营 | Facebook 技术专家教你如何进阶机器学习

2018-06-08 17:37 极客邦企业服务


天气越发炎热了,但比天气更火的是人工智能、机器学习和从事这些领域的技术专家,几乎一夜之间,人人都开始谈论 AI,个个企业都要引入机器学习。但到底什么是人工智能呢?什么又是机器学习呢?这两者又有何关联?这个看似复杂的问题,今天让我们用最通俗的方式讲解一下。


机器学习和人工智能有什么关系

人工智能,一个古老的概念

人工智能并非是一个新兴的技术概念,最早的人工智能在上个世纪五十年代就已经出现。1956 年夏天,新罕布什尔州汉诺威镇聚集了几位计算机科学家,这几个人在这次达特矛斯人工智能研究计划会议上,首次提出了人工智能的概念,以期用当时刚刚出现不久的计算机来构造复杂的,拥有与人类智慧比肩的机器智能。


其后,人工智能就一直作为人类的一个梦想而存在。但其发展却十分缓慢,更多的时候是出现在科幻小说或电影中。直到 2012 年,得益于各行业数据量的急剧增长、计算机硬件运算力的大幅提升和机器学习新算法的出现,人工智能才进入了大爆发的时代,进而出现了今天 AI 遍地开花的场景。


机器学习,助力人工智能的实现

人工智能的发展有三个递进的阶段,弱人工智能、强人工智能、超人工智能。现阶段人工智能的科研工作都集中在弱人工智能这部分,并很有希望在近期取得重大突破。弱人工智能是如何实现的,所谓的智能又从何而来呢?这主要归功于一种实现人工智能的方法——机器学习。


机器学习是一种实现人工智能的方法,是使用算法来解析数据,并从中学习,然后对真实世界中的事件做出决策和预测。与那些为解决特定任务的传统软件程序不同的是,机器学习是用大量的数据来训练,通过各种算法从数据中学习如何完成任务。


机器学习能做什么,怎么做?


机器学习解决什么问题?

一句话:一切难以用规则解决的问题,都可以尝试用机器学习来解决。机器学习问题,比如图形图像识别,语音、语言和文字识别,就很难用规则来解决,而这些地方正是机器学习的用武之地。


机器学习怎么解决问题?

从前面的阐述我们知道,机器学习是通过训练的方式来解决非规则性的问题,但具体怎么做呢?首先需要通过样本的规律寻找合适的模型,再用样本数据训练模型。训练时通常会将样本分为两部分,一部分用来训练,另一部分用来检验训练后模型的正确率,以评估模型的好坏,之后我们就可以通过训练好的模型进行新数据的预测了。


经过近几年 AI 工程师的不断努力,我们已经拥有非常丰富的模型库,而当前多样的技术也将这些模型的训练与使用变得非常容易。


机器学习入门和进阶之路

机器学习传统的算法包括决策树、聚类、贝叶斯分类等。从学习方法上来分,机器学习算法可以分为监督学习 Supervised Learning(如分类问题)、无监督学习 Unsupervised Learning(如聚类问题)、半监督学习 Semi-supervised Learning 等。


如果你是机器学习的小白,这一堆名词的堆叠可能会让你感到很茫然,但即便你已经是一个AI领域的工程师,想必也不会对这些概念全然精通,所以你不妨关注一下在7月8日至9日在深圳举办的 ArchSummit 全球架构师峰会,来自 Facebook 的资深技术专家徐斌将为我们带来关于机器学习入门与进阶的精彩课程。


培训讲师


徐斌

Facebook Software Engineer Manager

简介:

徐斌老师,毕业于美国纽约州立大学石溪分校,获得计算机科学和统计学硕士学位及统计学博士学位,目前在 Facebook 带领 Business Integrity 的机器学习团队和机器平台架构团队,主要任务是确保 Facebook 的用户和 Facebook 上所有商业业务之间的诚信沟通。这些商业业务存在于广告、市场、社团/群组、粉丝专页等。


在进入 Facebook 前,徐斌在 Microsoft 担任首席机器学习工程经理,带领技术团队开发云安全解决方案,实现对异常现象的检测,并保护客户在云中的身份、数据和应用的安全。在此前,徐斌在 Amazon 工作 10 年,率领多个应用科学家团队处理交易风险管理工作。



课程大纲



让复杂的问题简单化,徐斌老师就是这样的专家,本次学习会让你获益匪浅!感兴趣的同学可以扫描下方的二维码报名,现在报名可享8折优惠!立减960元!


 更多深度培训课程详情,可点击阅读原文进行查看。



 
ArchSummit 更多文章 从Caffe到TensorFlow,再到Paddlepaddle的迁移过程 浅谈 | 金融行业下联盟链的应用及发展困境 专访肖雨浓:Netflix是怎样探索落地FaaS的? 苹果WWDC首提手机防沉迷功能,用意深刻 携程容器云智能运维的挑战和解决之道
猜您喜欢 Android编译及Dex过程源码分析 实战,实现带进度的Glide图片加载功能 腾讯又逆天了,日赚近2亿,人均年薪80万! 自己动手写分布式KV存储引擎(三):网络框架中的客户端实现原理 狠货:深入浅出数据科学中的维数灾难(Curse of Dimensionality)问题