机器学习介绍、原理及应用场景
学习建议：课程分为几个模块 知识点 思维导图
大数据：海量数据的存储、海量数据的计算 基于历史数据的总结统计 BI
机器学习：通过历史数据展望未来 AI
深度学习：神经网络，将算法使用神经元的格式串联起来
机器学习的应用场景：
语音交互软件：苹果的siri 小米的小爱同学，也是一种预测
谷歌 预测H1N1病毒在美国一个小镇爆发的可能
IBM 智能医疗人工智能 沃森 仅花10分钟就诊断出一名60多岁女性患有一种罕见的白血病，并提供个性化诊疗方案。193米资料，2千万份罕见病文献。低级医生会因为机器学习失业
推荐系统：QQ好友推荐、亚马逊32%订单来自推荐系统、京东17%，数据质量不如国外
无人驾驶：5G，微基站，全方位覆盖信号，
边缘计算：八爪鱼
为什么机器学习可以展望未来？
人工智能：目标，让机器变的智能
机器学习：是实现人工智能的手段
非常傻 => 智能
经验 + 思维 = 规律
数据 + 算法 = 模型
训练模型就是找规律
数据量决定了模型的高度，算法只是逼近这个高度
提高模型准确性的方法：
1、提高数据量和算法
2、提高数据量
3、提高算法
大数据是机器学习的根基
标签：场景,机器,人工智能,学习,算法,数据量,原理,数据 来源： https://www.cnblogs.com/xiyouzhi/p/12838772.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。