Facebook 技術專家教你如何進階機器學習

天氣越發炎熱了，但比天氣更火的是人工智慧、機器學習和從事這些領域的技術專家，幾乎一夜之間，人人都開始談論 AI，個個企業都要引入機器學習。

但到底什麼是人工智慧呢？什麼又是機器學習呢？這兩者又有何關聯？這個看似複雜的問題，今天讓我們用最通俗的方式講解一下。

機器學習和人工智慧有什麼關係

人工智慧，一個古老的概念

人工智慧並非是一個新興的技術概念，最早的人工智慧在上個世紀五十年代就已經出現。1956 年夏天，新罕布希爾州漢諾威鎮聚集了幾位計算機科學家，這幾個人在這次達特矛斯人工智慧研究計劃會議上，首次提出了人工智慧的概念，以期用當時剛剛出現不久的計算機來構造複雜的，擁有與人類智慧比肩的機器智能。

其後，人工智慧就一直作為人類的一個夢想而存在。但其發展卻十分緩慢，更多的時候是出現在科幻小說或電影中。直到 2012 年，得益於各行業數據量的急劇增長、計算機硬體運算力的大幅提升和機器學習新演算法的出現，人工智慧才進入了大爆發的時代，進而出現了今天 AI 遍地開花的場景。

機器學習，助力人工智慧的實現

人工智慧的發展有三個遞進的階段，弱人工智慧、強人工智慧、超人工智慧。現階段人工智慧的科研工作都集中在弱人工智慧這部分，並很有希望在近期取得重大突破。弱人工智慧是如何實現的，所謂的智能又從何而來呢？這主要歸功於一種實現人工智慧的方法——機器學習。

機器學習是一種實現人工智慧的方法，是使用演算法來解析數據，並從中學習，然後對真實世界中的事件做出決策和預測。與那些為解決特定任務的傳統軟體程序不同的是，機器學習是用大量的數據來訓練，通過各種演算法從數據中學習如何完成任務。

機器學習能做什麼，怎麼做？

機器學習解決什麼問題？

一句話：一切難以用規則解決的問題，都可以嘗試用機器學習來解決。機器學習問題，比如圖形圖像識別，語音、語言和文字識別，就很難用規則來解決，而這些地方正是機器學習的用武之地。

機器學習怎麼解決問題？

從前面的闡述我們知道，機器學習是通過訓練的方式來解決非規則性的問題，但具體怎麼做呢？首先需要通過樣本的規律尋找合適的模型，再用樣本數據訓練模型。訓練時通常會將樣本分為兩部分，一部分用來訓練，另一部分用來檢驗訓練後模型的正確率，以評估模型的好壞，之後我們就可以通過訓練好的模型進行新數據的預測了。

經過近幾年 AI 工程師的不斷努力，我們已經擁有非常豐富的模型庫，而當前多樣的技術也將這些模型的訓練與使用變得非常容易。

機器學習入門和進階之路

機器學習傳統的演算法包括決策樹、聚類、貝葉斯分類等。從學習方法上來分，機器學習演算法可以分為監督學習 Supervised Learning（如分類問題）、無監督學習 Unsupervised Learning（如聚類問題）、半監督學習 Semi-supervised Learning 等。

如果你是機器學習的小白，這一堆名詞的堆疊可能會讓你感到很茫然，但即便你已經是一個 AI領域的工程師，想必也不會對這些概念全然精通，所以你不妨關注一下在 7月 8日至 9日在深圳舉辦的 ArchSummit 全球架構師峰會，來自 Facebook 的資深技術專家徐斌將為我們帶來關於機器學習入門與進階的精彩課程。

培訓講師

徐斌 Facebook Software Engineer Manager

簡介：徐斌老師，畢業於美國紐約州立大學石溪分校，獲得計算機科學和統計學碩士學位及統計學博士學位，目前在 Facebook 帶領 Business Integrity 的機器學習團隊和機器平台架構團隊，主要任務是確保 Facebook 的用戶和 Facebook 上所有商業業務之間的誠信溝通。這些商業業務存在於廣告、市場、社團 /群組、粉絲專頁等。

在進入 Facebook 前，徐斌在 Microsoft 擔任首席機器學習工程經理，帶領技術團隊開發雲安全解決方案，實現對異常現象的檢測，並保護客戶在雲中的身份、數據和應用的安全。在此前，徐斌在 Amazon 工作 10 年，率領多個應用科學家團隊處理交易風險管理工作。

課程大綱

讓複雜的問題簡單化，徐斌老師就是這樣的專家，本次學習會讓你獲益匪淺！感興趣的同學可以掃描下方的二維碼報名，現在報名可享 8折優惠！立減 960元！

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！