Machine Learning（機器學(xué)習(xí)）是研究計算機怎樣模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為，以獲取新的知識或技能，重新組織已有的知識結(jié)構(gòu)使之不斷改善自身的性能。它是人工智能的核心，是使計算機具有智能的根本途徑，其應(yīng)用遍及人工智能的各個領(lǐng)域，它主要使用歸納、綜合而不是演繹。在過去的十年中，機器學(xué)習(xí)幫助我們自動駕駛汽車，有效的語音識別，有效的網(wǎng)絡(luò)搜索，并極大地提高了人類基因組的認(rèn)識。機器學(xué)習(xí)是當(dāng)今非常普遍，你可能會使用這一天幾十倍而不自知。很多研究者也認(rèn)為這是最好的人工智能的取得方式。在本課中，您將學(xué)習(xí)最有效的機器學(xué)習(xí)技術(shù)，并獲得實踐，讓它們?yōu)樽约旱墓ぷ?。更重要的是，你會不僅得到理論基礎(chǔ)的學(xué)習(xí)，而且獲得那些需要快速和強大的應(yīng)用技術(shù)解決問題的實用技術(shù)。最后，你會學(xué)到一些硅谷利用機器學(xué)習(xí)和人工智能的最佳實踐創(chuàng)新。

　　本課程提供了一個廣泛的介紹機器學(xué)習(xí)、數(shù)據(jù)挖掘、統(tǒng)計模式識別的課程。主題包括：

　?。ㄒ唬┍O(jiān)督學(xué)習(xí)（參數(shù)/非參數(shù)算法，支持向量機，核函數(shù)，神經(jīng)網(wǎng)絡(luò)）。

　?。ǘo監(jiān)督學(xué)習(xí)（聚類，降維，推薦系統(tǒng)，深入學(xué)習(xí)推薦）。

　　（三）在機器學(xué)習(xí)的最佳實踐（偏差/方差理論；在機器學(xué)習(xí)和人工智能創(chuàng)新過程）。本課程還將使用大量的案例研究，您還將學(xué)習(xí)如何運用學(xué)習(xí)算法構(gòu)建智能機器人（感知，控制），文本的理解（Web 搜索，反垃圾郵件），計算機視覺，醫(yī)療信息，音頻，數(shù)據(jù)挖掘，和其他領(lǐng)域。

　　第一個視頻主要講了什么是機器學(xué)習(xí)，機器學(xué)習(xí)能做些什么事情。機器學(xué)習(xí)是目前信息技術(shù)中最激動人心的方向之一。在這門課中，你將學(xué)習(xí)到這門技術(shù)的前沿，并可以自己實現(xiàn)學(xué)習(xí)機器學(xué)習(xí)的算法。你或許每天都在不知不覺中使用了機器學(xué)習(xí)的算法每次，你打開谷歌、必應(yīng)搜索到你需要的內(nèi)容，正是因為他們有良好的學(xué)習(xí)算法。谷歌和微軟實現(xiàn)了學(xué)習(xí)算法來排行網(wǎng)頁每次，你用 Facebook 或蘋果的圖片分類程序他能認(rèn)出你朋友的照片，這也是機器學(xué)習(xí)。每次您閱讀您的電子郵件垃圾郵件篩選器，可以幫你過濾大量的垃圾郵件這也是一種學(xué)習(xí)算法。對我來說，我感到激動的原因之一是有一天做出一個和人類一樣聰明的機器。實現(xiàn)這個想法任重而道遠，許多 AI 研究者認(rèn)為，實現(xiàn)這個目標(biāo)最好的方法是通過讓機器試著模仿人的大腦學(xué)習(xí)我會在這門課中介紹一點這方面的內(nèi)容。在這門課中，你還講學(xué)習(xí)到關(guān)于機器學(xué)習(xí)的前沿狀況。但事實上只了解算法、數(shù)學(xué)并不能解決你關(guān)心的實際的問題。所以，我們將花大量的時間做練習(xí)，從而你自己能實現(xiàn)每個這些算法，從而了解內(nèi)部機理。那么，為什么機器學(xué)習(xí)如此受歡迎呢？原因是，機器學(xué)習(xí)不只是用于人工智能領(lǐng)域。我們創(chuàng)造智能的機器，有很多基礎(chǔ)的知識。比如，我們可以讓機器找到 A 與 B 之間的最短路徑，但我們?nèi)匀徊恢涝趺醋寵C器做更有趣的事情，如 web 搜索、照片標(biāo)記、反垃圾郵件。我們發(fā)現(xiàn)，唯一方法是讓機器自己學(xué)習(xí)怎么來解決問題。所以，機器學(xué)習(xí)已經(jīng)成為計算機的一個能力?，F(xiàn)在它涉及到各個行業(yè)和基礎(chǔ)科學(xué)中。我從事于機器學(xué)習(xí)，但我每個星期都跟直升機飛行員、生物學(xué)家、很多計算機系統(tǒng)程序員交流（我在斯坦福大學(xué)的同事同時也是這樣）和平均每個星期會從硅谷收到兩、三個電子郵件，這些聯(lián)系我的人都對將學(xué)習(xí)算法應(yīng)用于他們自己的問題感興趣。這表明機器學(xué)習(xí)涉及的問題非常廣泛。有機器人、計算生物學(xué)、硅谷中大量的問題都收到機器學(xué)習(xí)的影響。