機器學習主要源於2個領域：人工智慧和資料科學。
人工智慧是創造出與人類一樣聰明的機器，在這個方向上，該領域又分為不同的學派，包括關注構建像人類一樣思考的認知系統。
1.所有的智慧型體都只有很少的計算資源、很低的處理速度和很小的記憶體等等。
2.所有的計算都是區域性的，但是大多數ai問題都有全域性約束。
3.計算邏輯基本上是演繹邏輯，但是許多ai問題本質上是溯因性或歸納性
4.世界是動態變化的，知識是有限的，但ai智慧型體必須始終從它已知道的東西開始
5.解決問題、推理和學習已經足夠複雜，但是解釋和證明增加了這種複雜性
1.在許多ai問題中，資料是陸續出現的，而不是一開始就出現所有資料
2.問題常常會重複出現，同類問題會一再出現
3.問題在許多不同的抽象層面上出現
4.許多引人關注的ai問題難以通過計算來解決
5.外界是動態的，是不斷變化的，但是有關外界的知識是相對不變的
6.外界是開放的，但有關外界的知識是相對有限的
因此問題變成我們如何能設計出ai智慧型體來解決具有這些特徵的ai問題。
同時掌握了多種不同技能的人，資料科學家了解數學和統計學知識，這使他們可以在海量的資料中找出引人關注的見解，他們還具備程式設計技能，可以通過**建立統計模型，並從各種不同的資料來源中獲取資料，此外，資料科學家還知道如何提出正確的問題，並將這些問題轉換為全面的分析，完成分析後，他們運用溝通技能，以人們易於理解的方式報告他們的發現，換言之，資料科學家能夠對龐大的資料集執行複雜的分析，在完成分析之後，他們還能夠編制資訊圖，以將他們的發現傳遞給其他人。
機器視覺之 認知篇
概述 what?機器視覺，也許有人會問，機器視覺是乙個什麼東西？都沒聽說過，是幹什麼的？一開始，我也什麼都不知道，乙個學軟體的我，現在開始慢慢接觸視覺了。所謂的機器視覺，就是用人眼代替機器去做測量和判斷，即為機械人的眼睛。機器視覺技術最大的特點是速度快 資訊量大 功能多。機器視覺的應用主要有檢測和機...
機器學習入門之sklearn
原始碼 from sklearn.datasets import load iris from sklearn.model selection import train test split def datasets demo sklearn資料集使用 return 獲取資料集 iris load ...
機器學習之numpy入門
numpy建立陣列方式 coding utf 8import random import numpy as np array方式傳入資料 t1 np.array range 0 12 print t1 print t1.dtype print type t1 np.arange方式 t2 np.ar...