一、大数据与机器学习-概述-笔记

本文概述了机器学习的概念,强调其在概率论、统计学等领域的交叉性。机器学习广泛应用于游戏、语音识别等领域,并与人工智能、数据挖掘、计算机视觉和统计学有密切关系。深度学习作为机器学习的一个分支,显著提升了模型的复杂度和精度。大数据机器学习的特点包括数据量的增长、神经网络规模扩大及深度学习框架的发展,如TensorFlow和PyTorch。文章还提及了机器学习与统计学的差异,并推荐了相关教材。

一、什么是机器学习?

机器学习是近20多年兴起的一门多领域交叉学科,涉及概率论、统计学、逼近论、凸

分析、算法复杂度理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以

自动“学习”的算法。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。因为学习算法中涉及了大量的统计学理论,机器学习与统计

推断学联系尤为密切,也被称为统计学习理论。

二、机器学习应用场景举例

1.Game

2.Text to speech and speech recognition

3.3D 体感游戏

4.Bioinformatics(生物信息学)

5.Quantita

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值