1、机器学习入门：从基础到深度学习

机器学习入门：从基础到深度学习

一、机器学习的浪潮

2006 年，Geoffrey Hinton 等人发表论文，展示了如何训练一个能以超 98% 的精度识别手写数字的深度神经网络，他们将此技术命名为“深度学习”。当时，训练深度神经网络被广泛认为是不可能的，大多数研究人员在 20 世纪 90 年代末就放弃了这个想法。但这篇论文重新唤起了科学界的兴趣，不久后，许多新论文表明，深度学习不仅可行，而且能取得其他机器学习技术无法企及的惊人成就（借助强大的计算能力和大量数据）。这种热情很快蔓延到机器学习的许多其他领域。

十年后，机器学习征服了各行各业，如今它是众多高科技产品的核心，为网页搜索结果排名、智能手机语音识别、视频推荐等功能提供支持，甚至可能用于自动驾驶汽车。

二、机器学习在项目中的应用

你可能对机器学习充满热情，想参与其中。比如，你想给自制机器人赋予智能，让它识别面孔或学会行走；或者你的公司拥有大量数据（用户日志、财务数据、生产数据等），如果你知道如何挖掘，很可能会发现一些隐藏的价值。借助机器学习，你可以实现以下目标：
1. 对客户进行细分，并为每个群体找到最佳营销策略。
2. 根据相似客户的购买行为为每个客户推荐产品。
3. 检测哪些交易可能是欺诈性的。
4. 预测明年的收入。

三、学习目标与方法

学习目标是让你掌握实现从数据中学习的程序所需的概念、工具和直觉。我们将涵盖大量技术，从最简单、最常用的（如线性回归）到一些经常在竞赛中获胜的深度学习技术。为此，我们将使用成熟的 Python 框架：
1. Scikit - Learn