清华大学《人工智能之机器学习》报告，8个篇章203页pdf，附下载

转载自“学术头条”

机器学习已经成为了当今的热门话题，但是从机器学习这个概念诞生到机器学习技术的普遍应用经过了漫长的过程。

从 1642 年 Pascal 发明的手摇式计算机，1949 年 Donald Hebb 提出的赫布理论——解释学习过程中大脑神经元所发生的变化，都蕴含着机器学习思想的萌芽，到 1950 年图灵在关于图灵测试的文章中提及机器学习的概念。

再到 1952 年， IBM 的Arthur Samuel（被誉为“机器学习之父”）设计了一款可以学习的西洋跳棋程序，塞缪尔用这个程序推翻了以往“机器无法超越人类，不能像人一样写代码和学习”这一传统认识，并在 1956 年正式提出了“机器学习”这一概念。

在机器学习发展的历史长河中，众多优秀的学者为推动机器学习的发展做出了巨大的贡献。

不久前，清华大学人工智能研究院发布了《人工智能之机器学习》的研究报告，对机器学习发展历程、代表性专业技术、学者概况、发展趋势及应用现状等内容进行深入的梳理和概括。

作为 THU AI TR 系列报告，《人工智能之机器学习》以AMiner科技情报大数据挖掘服务平台为基础，聘请领域内专业学者为顾问，采用人工智能自动生成技术，以严谨，严肃，负责的态度，提供深刻的科技洞察报告。

主要内容

机器学习报告的主要内容包括：概述篇、技术篇、深度学习篇、论文解读篇、人才篇、应用篇、趋势篇、开放资源篇等。

报告亮点

01

代表性技术

机器学习是人工智能的一个重要领域，其关键技术受到越来越多的关注，技术篇内容梳理了机器学习领域的众多关键技术及其进展，整理了专家的观点意见。

02

深度学习发展脉络

深度学习是近10年机器学习领域发展最快的一个分支，最近30年来取得快速发展，深度学习篇内容总结了深度学习的4条主要脉络，介绍了深度学习的代表性技术以及近期的重大进展。

03

人才分析

可视化展示人才分布，构建学者画像，助力理清现有人才情况，辅助拟定未来发展及人才引进方向。

04

应用现状

随着机器学习能力的增强和技术的发展，其应用前景也十分广泛，应用篇介绍了机器学习在金融、自动驾驶、健康与医药、零售业、制造业等领域应用。

05

趋势分析

AMiner领域技术分析系统可以基于超过2亿篇论文的数据进行深入挖掘，对技术趋势、国际趋势、机构趋势及学者趋势等方面进行分析。

06

开放资源

资源篇中搜集整理了机器学习领域的若干开放资源，助力读者朋友更好地学习和了解机器

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“AIML” 可以获取《清华大学《人工智能之机器学习》报告》专知下载链接索引

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取5000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取5000+AI主题知识资源