机器学习知识体系 随着2016年Alpha Go在围棋击败李世石，2017年初卡内基梅隆大学人工智能系统Libratus在长达20天的鏖战中，打败4名世界顶级德州扑克玩家 机器学习(Machine Learning, ML) 人工智能（Artificial Intelligence） 大数据（big data） 1，机器学习(Machine Learning, ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。 专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。 它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎。 2，人工智能（Artificial Intelligence, AI），它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。 3，大数据（big data），指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合， 是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的数据信息。 1，数学知识：高等代数，微积分，概率论，统计学、逼近论、凸分析 2，编程语言，python java R 3，有监督学习：分类算法（贝叶斯，K-临近值算法(KNN)，决策树，逻辑回归，支持向量机（SVM）） 回归算法（线性回归，最小二乘法回归，LOESS局部回归，神经网络，深度学习） 4，无监督学习：聚类分析（K均值聚类，系统聚类），降维分析（主成分分析PCA，先行判断分析），异常检测 6，特殊主题，推荐系统 7，深度学习：神经网络（人工神经网络（前馈（单，二，多（DNN，DBN，CNN）），反馈（C/DHNN，RNN）），生物神经网络） 8，机器学习调优和分析 9，工具框架：Tensorflow，Theano，caffe，Torch ；CNTK ； Matrix : numpy 其他无关常用算法： 迪杰斯特拉算法-最短路径 高斯模糊算法-界面透明度 哈夫曼编解码-编解码压缩