01 逃學博士的計劃
逃學博士的計劃：“每天一篇機器學習的文章，自己總結所學，同時也給大家普及機器學習的知識。”
02 什麼地方能用到機器學習？
機器學習，英文叫（Machine Learning）。
人類與動物最大的區別就在於，人類有快速的思考學習能力。而機器呢，通常都是在遵循著人類給它預先設定好的程序運行。
思考和學習
那麼，機器能不能自主學習呢？答案是肯定的。我們一起來看看生活中，機器學習的應用。
AlphaGo
1997年，當機器“深藍”挑戰國際象棋世界冠軍卡斯巴羅夫，並最終以3.5 ： 2.5 擊敗卡斯巴羅夫之後，機器第一次在邏輯思考類遊戲中戰勝人類。
AlphaGo
當時，很多人就以 國際象棋 棋盤小，規則簡單，行棋變化少等等給這次失敗找理由。更有國人拿中國圍棋作比較，說機器在圍棋上永遠贏不了人類。
結果，剛剛過去20多年，就被狠狠的打臉。AlphaGo已經完勝人類選手，比如世界冠軍柯潔（中國）和李世石（韓國）。而且，現在多數的圍棋選手，都依靠人工智能來學習和日常的訓練。
推送系統
我在國外留學，經常會使用Youtube，亞馬遜，谷歌和今日頭條。
前段時間，逃學博士想買一個法式咖啡壺，提高一下生活品質。逃學博士又是喜歡東看看西看看的主。於是在谷歌上搜索了搜索了一下法式咖啡壺（維基百科）。結果，在打開有谷歌廣告的網頁時，都會有法式咖啡壺的廣告。甚至，亞馬遜上也會將法式咖啡壺放在最顯眼的位置展示。這些都是來自機器學習算法的推薦。
法式咖啡壺
機器學習和分析用戶的上網習慣和瀏覽的內容，並且分析你的喜好，給你推薦你最感興趣的東西。這太可怕了，感覺網絡的時間裡，我根本就是在“裸奔”。
語音助手
蘋果的Siri，小米的”小愛同學“等等語音助手，可以幫你查天氣、選導航路線、甚至和你“吵架”。這背後也是強大的機器學習算法在支持著。
小愛同學
類似的例子還有很多：
特斯拉汽車的自動駕駛
特斯拉
人臉識別
人臉識別
越來越多的行業在試圖利用 機器學習 去改變行業現狀並促進更大的發展，這是大趨勢也是大機會。
03 什麼是機器學習
機器學習，這麼高深的專業名稱是不是背後有著常人難以理解的知識呢？機器學習到底是什麼呢？
先來看看我們自己是怎麼學習的。
- 經驗的積累：老祖宗發現太陽總是東邊升起，西邊落下。黃天在上，厚土在下。這些就是生活中積累的經驗；
- 總結經驗，得出結論：“天圓地方 - 蓋天說”，古印度有“浮龜說”：大地由四隻大象馱著、下面是個大烏龜。
- 新的經驗與舊的結論衝突，修正結論：大航海時代。航海家麥哲倫在16世紀初期完成了繞地球一週的壯舉，並證明了大地是球形的。
麥哲倫航線圖
- 大致正確的結論，可以進行預測 ：比如說，由於地球是圓的，我一直往西航行，就會回到出發的地方。
機器學習，大體流程也是如上所示這樣的。
如果我們和傳統的編程比較，那麼具體有什麼區別呢？
傳統編程：
比方說最簡單的加法：Python寫的
def add(x, y):
return x + y
add(2, 3) #輸出結果5
這個過程就是傳統的編程思路，輸入數據並通過預先設定好的程序達到輸出我們預期的結果。
傳統編程
機器學習：
那麼，機器學習是怎麼樣的呢？
我們只有數據，比方說：
有一個黑箱子：放進去2和3，它會跳出來5；放進去4和3，跳出來7.
黑箱
也就是說，我們有輸入數據和輸出結果，但是黑箱子裡發生了什麼我們並不知道。這就需要機器學習並且幫我們生成可行的算法出來。
機器學習
那麼，得到這個算法有什麼用呢？我們可以對新的數據結果進行預測。
機器學習預測
機器學習總結了算法，然後被用到傳統編程裡對新的數據進行預測。
04 總結
先來一下預熱，先理解了機器學習到底是怎麼回事。我們再一起學習後面的知識。
機器學習最大的用處就是將數據按照性質分類 。
方法有很多，下面列舉一些：
線性迴歸、邏輯迴歸、決策樹、隨機森林、神經網絡；
不要擔心，慢慢來。
第二天，我們就一起進入主題。一個一個的學習最基本的概念並帶有少量的公式。
希望大家喜歡我的文章。
“逃學博士”：理工科直男一枚，在冰天雪地的加拿大攻讀工程博士。閒暇之餘分享點科學知識和學習乾貨。
閱讀更多 逃學博士 的文章
