Welcome to this free online class o

Welcome to this free online class on
machine learning. Machine learning is one
of the most exciting recent technologies.
And in this class, you learn about the
state of the art and also gain practice
implementing and deploying these algorithms
yourself. You've probably use a learning
algorithm dozens of times a day without
knowing it. Every time you use a web
search engine like Google or Bing to
search the internet, one of the reasons
that works so well is because a learning
algorithm, one implemented by Google or
Microsoft, has learned how to rank web
pages. Every time you use Facebook or
Apple's photo typing application and it
recognizes your friends' photos, that's
also machine learning. Every time you read
your email and your spam filter saves you
from having to wade through tons of spam
email, that's also a learning algorithm.
For me one of the reasons I'm excited is
the AI dream of someday building machines
as intelligent as you or me. We're a long
way away from that goal, but many AI
researchers believe that the best way to
towards that goal is through learning
algorithms that try to mimic how the human
brain learns. I'll tell you a little bit
about that too in this class. In this
class you learn about state-of-the-art
machine learning algorithms. But it turns
out just knowing the algorithms and
knowing the math isn't that much good if
you don't also know how to actually get
this stuff to work on problems that you
care about. So, we've also spent a lot
of time developing exercises for you to
implement each of these algorithms and
see how they work fot yourself. So why is
machine learning so prevalent today?
It turns out that machine learning is a
field that had grown out of the field of
AI, or artificial intelligence. We wanted
to build intelligent machines and it turns
out that there are a few basic things that
we could program a machine to do such as
how to find the shortest path from A to B.
But for the most part we just did not know
how to write AI programs to do the more
interesting things such as web search or
photo tagging or email anti-spam. There
was a realization that the only way to do
these things was to have a machine learn
to do it by itself. So, machine learning
was developed as a new capability for
computers and today it touches many
segments of industry and basic science.
For me, I work on machine learning and
in a typical week I might end up talking to
helicopter pilots, biologists, a bunch
of computer systems people (so my
colleagues here at Stanford) and averaging
two or three times a week I get email from
people in industry from Silicon Valley
contacting me who have an interest in
applying learning algorithms to their own
problems. This is a sign of the range of
problems that machine learning touches.
There is autonomous robotics, computational
biology, tons of things in Silicon Valley
that machine learning is having an impact
on. Here are some other examples of
machine learning. There's database mining.
One of the reasons machine learning has so
pervaded is the growth of the web and the
growth of automation All this means that
we have much larger data sets than ever
before. So, for example tons of Silicon
Valley companies are today collecting web
click data, also called clickstream data,
and are trying to use machine learning
algorithms to mine this data to understand
the users better and to serve the users
better, that's a huge segment of
Silicon Valley right now. Medical
records. With the advent of automation, we
now have electronic medical records, so if
we can turn medical records into medical
knowledge, then we can start to understand
disease better. Computational biology.
With automation again, biologists are
collecting lots of data about gene
sequences, DNA sequences, and so on, and
machines running algorithms are giving us
a much better understanding of the human
genome, and what it means to be human.
And in engineering as well, in all fields of
engineering, we have larger and larger,
and larger and larger data sets, that
we're trying to understand using learning
algorithms. A second range of machinery
applications is ones that we cannot
program by hand. So for example, I've
worked on autonomous helicopters for many
years. We just did not know how to write a
computer program to make this helicopter
fly by itself. The only thing that worked
was having a computer learn by itself how
to fly this helicopter. [Helicopter whirling]
Handwriting recognition. It turns out one
of the reasons it's so inexpensive today to
route a piece of mail across the
countries, in the US and internationally,
is that when you write an envelope like
this, it turns out there's a learning
algorithm that has learned how to read your
handwriting so that it can automatically
route this envelope on its way, and so it
costs us a few cents to send this thing
thousands of miles. And in fact if you've
seen the fields of natural language
processing or computer vision,
these are the fields of AI pertaining to
understanding language or understanding
images. Most of natural language processing
and most of computer vision today is
applied machine learning. Learning
algorithms are also widely used for self-
customizing programs. Every time you go to
Amazon or Netflix or iTunes Genius, and it
recommends the movies or products and
music to you, that's a learning algorithm.
If you think about it they have million
users; there is no way to write a million
different programs for your million users.
The only way to have software give these
customized recommendations is to become
learn by itself to customize itself to
your preferences. Finally learning
algorithms are being used today to
understand human learning and to
understand the brain. We'll talk about
how researches are using this to make
progress towards the big AI dream. A few
months ago, a student showed me an article
on the top twelve IT skills. The skills
that information technology hiring
managers cannot say no to. It was a
slightly older article, but at the top of
this list of the twelve most desirable IT
skills was machine learning. Here at
Stanford, the number of recruiters
that contact me asking if I know any
graduating machine learning students
is far larger than the machine learning
students we graduate each year. So I
think there is a vast, unfulfilled demand
for this skill set, and this is a great time to
be learning about machine learning, and I
hope to teach you a lot about machine
learning in this class. In the next video,
we'll start to give a more formal
definition of what is machine learning.
And we'll begin to talk about the main
types of machine learning problems and
algorithms. You'll pick up some of the
main machine learning terminology, and
start to get a sense of what are the
different algorithms, and when each one
might be appropriate.

ผลลัพธ์ (ไทย) 1:

ยินดีต้อนรับสู่การเรียนออนไลน์ฟรีกับเรียนรู้ของเครื่อง เครื่องเรียนเป็นหนึ่งเทคโนโลยีล่าสุดตื่นเต้นและในชั้นเรียน เรียนรู้การทันสมัย และได้รับการปฏิบัติปฏิบัติตามและใช้อัลกอริทึมเหล่านี้ตัวเอง คุณได้ใช้การเรียนรู้อัลกอริทึมหลายสิบครั้งต่อวันโดยไม่ไม่ทราบ ทุกครั้งที่คุณใช้เว็บเครื่องมือค้นหาเช่น Google หรือ Bing เพื่อค้นหาทางอินเทอร์เน็ต สาเหตุหนึ่งงานดีว่าเนื่องจากการเรียนรู้อัลกอริทึม หนึ่งที่ดำเนินการ โดย Google หรือMicrosoft ได้เรียนรู้วิธีการเว็บหน้า ทุกครั้งที่คุณใช้ Facebook หรือพิมพ์ใบสมัครและภาพของ Appleรู้จักภาพถ่ายเพื่อนของคุณนอกจากนี้ เครื่องเรียน ทุกครั้งที่คุณอ่านอีเมล์ของคุณและตัวกรองสแปมของคุณจะบันทึกคุณต้องลุยตันของขยะอีเมล์ ที่เป็นอัลกอริทึมการเรียนรู้สำหรับผม หนึ่งในเหตุผลที่ผมตื่นเต้นอยู่ฝันไอวันสร้างเครื่องจักรเป็นอัจฉริยะเป็นคุณหรือฉัน เรานานวิธีออกจาก แต่ AI มากนักวิจัยเชื่อว่าดีสุดเป้าหมายที่จะผ่านการเรียนรู้อัลกอริทึมที่พยายามเลียนแบบวิธีมนุษย์สมองเรียนรู้ ฉันจะบอกคุณหน่อยเกี่ยวกับที่เกินไปในชั้นนี้ ในที่นี้เรียนคุณเรียนรู้เกี่ยวกับสถานะของศิลปะเรียนรู้เครื่องอัลกอริทึม แต่มันจะออกเพียงรู้กระบวนการ และรู้คณิตศาสตร์ไม่ว่าถ้าดีมากนอกจากนี้คุณยังไม่ทราบวิธีการได้รับสิ่งนี้ทำงานเกี่ยวกับปัญหาที่คุณดูแลเกี่ยวกับ ดังนั้น เรายังใช้จ่ายมากเวลาพัฒนาแบบฝึกหัดให้คุณใช้อัลกอริทึมเหล่านี้แต่ละ และดูวิธีการทำงาน fot เอง ดังนั้นจึงเป็นเครื่องเรียนรู้แพร่หลายดังนั้นวันนี้ดังปรากฎว่าเครื่องที่เป็นการเรียนรู้ฟิลด์ที่มีการเติบโตจากเขตของAI หรือปัญญาประดิษฐ์ เราต้องการสร้างเครื่องจักรที่ชาญฉลาดและจะเห็นว่า มีบางสิ่งพื้นฐานที่เราสามารถโปรแกรมให้เครื่องทำเช่นวิธีการค้นหาเส้นทางสั้นที่สุดจาก A จะเกิดแต่ส่วนใหญ่เราก็ไม่ได้ไม่รู้ว่าวิธีการเขียนโปรแกรม AI จะทำมากกว่าสิ่งต่าง ๆ เช่นการค้นหาเว็บที่น่าสนใจ หรือรูปติดป้าย หรืออีเมล์สแปม มีได้ตระหนักถึงซึ่งวิธีเดียวที่จะทำสิ่งเหล่านี้ได้มีการเรียนรู้ของเครื่องจะทำ ด้วยตัวเอง อื่น ๆ เครื่องจักรการเรียนรู้ได้รับการพัฒนาเป็นความสามารถใหม่สำหรับคอมพิวเตอร์และสัมผัสหลายวันนี้กลุ่มอุตสาหกรรมและวิทยาศาสตร์พื้นฐานสำหรับฉัน ฉันทำงานในการเรียนรู้ของเครื่อง และในหนึ่งสัปดาห์โดยทั่วไป ฉันอาจท้ายพูดคุยนักบินเฮลิคอปเตอร์ biologists พวงคนระบบคอมพิวเตอร์ (เพื่อฉันเพื่อนร่วมงานที่นี่ที่สแตนฟอร์ด) และหาค่าเฉลี่ย2 หรือ 3 ครั้งต่อสัปดาห์ได้รับอีเมล์จากคนในอุตสาหกรรมจากวินติดต่อผมที่มีความสนใจในใช้อัลกอริทึมการเรียนรู้ของตนเองปัญหา นี่คือความหลากหลายปัญหาที่สัมผัสเรียนรู้ของเครื่องมีหุ่นอิสระ คำนวณชีววิทยา ตันในซิลิคอนวัลเลย์เรียนรู้ของเครื่องนั้นจะมีผลกระทบon. Here are some other examples ofmachine learning. There's database mining.One of the reasons machine learning has sopervaded is the growth of the web and thegrowth of automation All this means thatwe have much larger data sets than everbefore. So, for example tons of SiliconValley companies are today collecting webclick data, also called clickstream data,and are trying to use machine learningalgorithms to mine this data to understandthe users better and to serve the usersbetter, that's a huge segment ofSilicon Valley right now. Medicalrecords. With the advent of automation, wenow have electronic medical records, so ifwe can turn medical records into medicalknowledge, then we can start to understanddisease better. Computational biology.With automation again, biologists arecollecting lots of data about genesequences, DNA sequences, and so on, andmachines running algorithms are giving usa much better understanding of the humangenome, and what it means to be human.And in engineering as well, in all fields ofengineering, we have larger and larger,and larger and larger data sets, thatwe're trying to understand using learningalgorithms. A second range of machineryapplications is ones that we cannotprogram by hand. So for example, I'veworked on autonomous helicopters for manyyears. We just did not know how to write acomputer program to make this helicopterfly by itself. The only thing that workedwas having a computer learn by itself how
to fly this helicopter. [Helicopter whirling]
Handwriting recognition. It turns out one
of the reasons it's so inexpensive today to
route a piece of mail across the
countries, in the US and internationally,
is that when you write an envelope like
this, it turns out there's a learning
algorithm that has learned how to read your
handwriting so that it can automatically
route this envelope on its way, and so it
costs us a few cents to send this thing
thousands of miles. And in fact if you've
seen the fields of natural language
processing or computer vision,
these are the fields of AI pertaining to
understanding language or understanding
images. Most of natural language processing
and most of computer vision today is
applied machine learning. Learning
algorithms are also widely used for self-
customizing programs. Every time you go to
Amazon or Netflix or iTunes Genius, and it
recommends the movies or products and
music to you, that's a learning algorithm.
If you think about it they have million
users; there is no way to write a million
different programs for your million users.
The only way to have software give these
customized recommendations is to become
learn by itself to customize itself to
your preferences. Finally learning
algorithms are being used today to
understand human learning and to
understand the brain. We'll talk about
how researches are using this to make
progress towards the big AI dream. A few
months ago, a student showed me an article
on the top twelve IT skills. The skills
that information technology hiring
managers cannot say no to. It was a
slightly older article, but at the top of
this list of the twelve most desirable IT
skills was machine learning. Here at
Stanford, the number of recruiters
that contact me asking if I know any
graduating machine learning students
is far larger than the machine learning
students we graduate each year. So I
think there is a vast, unfulfilled demand
for this skill set, and this is a great time to
be learning about machine learning, and I
hope to teach you a lot about machine
learning in this class. In the next video,
we'll start to give a more formal
definition of what is machine learning.
And we'll begin to talk about the main
types of machine learning problems and
algorithms. You'll pick up some of the
main machine learning terminology, and
start to get a sense of what are the
different algorithms, and when each one
might be appropriate.

ผลลัพธ์ (ไทย) 2:

ยินดีต้อนรับสู่การเรียนออนไลน์นี้ฟรีใน
การเรียนรู้เครื่อง การเรียนรู้เครื่องเป็นหนึ่ง
ในเทคโนโลยีล่าสุดที่น่าตื่นเต้นที่สุด.
และในชั้นนี้คุณได้เรียนรู้เกี่ยวกับ
สถานะของศิลปะและยังได้รับการปฏิบัติ
และการปรับใช้การดำเนินการขั้นตอนวิธีการเหล่านี้
ด้วยตัวคุณเอง คุณอาจใช้การเรียนรู้
ขั้นตอนวิธีการหลายสิบครั้งต่อวันโดยไม่ต้อง
รู้ว่ามัน ทุกครั้งที่คุณใช้เว็บ
เครื่องมือค้นหาเช่น Google หรือ Bing การ
ค้นหาทางอินเทอร์เน็ตเป็นหนึ่งในเหตุผลที่
ว่าได้ผลดีเป็นเพราะการเรียนรู้
ขั้นตอนวิธีการหนึ่งที่ดำเนินการโดย Google หรือ
ไมโครซอฟท์ได้เรียนรู้วิธีการจัดอันดับเว็บ
หน้า เวลาที่คุณใช้ Facebook หรือทุก
การประยุกต์ใช้ในการพิมพ์ภาพแอปเปิ้ลและมัน
จะจดจำรูปของเพื่อน ๆ ที่
ยังเรียนรู้ของเครื่อง เวลาที่คุณอ่านทุก
อีเมลและตัวกรองสแปมของคุณช่วยให้คุณประหยัด
จากที่มีการลุยตันของสแปม
อีเมล์ที่ยังเป็นขั้นตอนวิธีการเรียนรู้.
สำหรับผมเหตุผลหนึ่งที่ผมรู้สึกตื่นเต้นเป็น
ฝันเกี่ยวกับ AI ของการสร้างเครื่องจักรสักวันหนึ่ง
ขณะที่ชาญฉลาดในขณะที่คุณ หรือฉัน เรานาน
ทางห่างจากเป้าหมายที่ แต่หลาย AI
นักวิจัยเชื่อว่าวิธีที่ดีที่สุดที่จะ
ไปสู่เป้าหมายที่เป็นผ่านการเรียนรู้
ขั้นตอนวิธีการที่พยายามที่จะเลียนแบบวิธีการที่มนุษย์
สมองเรียนรู้ ฉันจะบอกคุณเล็กน้อย
เกี่ยวกับที่มากเกินไปในชั้นนี้ ในการนี้
ชั้นที่คุณเรียนรู้เกี่ยวกับรัฐของศิลปะ
เครื่องขั้นตอนวิธีการเรียนรู้ แต่มันจะเปิด
ออกเพียงรู้ขั้นตอนวิธีและ
รู้คณิตศาสตร์ไม่ว่าดีมากถ้า
คุณไม่ยังรู้วิธีการได้รับจริง
สิ่งนี้ในการทำงานเกี่ยวกับปัญหาที่คุณ
ดูแลเกี่ยวกับ ดังนั้นเรายังได้ใช้เวลามาก
ของเวลาในการพัฒนาการออกกำลังกายสำหรับคุณในการ
ดำเนินการแต่ละขั้นตอนวิธีการเหล่านี้และ
ดูว่าพวกเขาทำงาน fot ตัวเอง เหตุใดจึงต้องมีการ
เรียนรู้ของเครื่องที่แพร่หลายดังนั้นในวันนี้
ปรากฎว่าการเรียนรู้เครื่องเป็น
ข้อมูลที่ได้เจริญเติบโตในสาขาของ
AI หรือปัญญาประดิษฐ์ เราต้องการ
ที่จะสร้างเครื่องปัญญาและมันจะ
เห็นว่ามีสิ่งพื้นฐานไม่กี่แห่งที่
เราสามารถเขียนโปรแกรมเครื่องจะทำเช่น
วิธีการหาเส้นทางที่สั้นที่สุดจาก A ไป B.
แต่ส่วนใหญ่เราก็ไม่ทราบ
วิธีการ เขียนโปรแกรม AI ที่จะทำมากขึ้น
สิ่งที่น่าสนใจเช่นการค้นหาเว็บหรือ
การติดแท็กรูปภาพหรืออีเมลป้องกันสแปม มี
ความตระหนักก็คือว่าวิธีเดียวที่จะทำ
สิ่งเหล่านี้จะมีเครื่องเรียนรู้
ที่จะทำมันด้วยตัวเอง ดังนั้นการเรียนรู้เครื่อง
ได้รับการพัฒนาเป็นความสามารถใหม่สำหรับ
เครื่องคอมพิวเตอร์และวันนี้มันสัมผัสหลาย
ส่วนของภาคอุตสาหกรรมและวิทยาศาสตร์พื้นฐาน.
สำหรับฉันฉันทำงานในการเรียนรู้เครื่องและ
ในแต่ละสัปดาห์ผมอาจจะจบลงด้วยการพูดคุยกับ
นักบินเฮลิคอปเตอร์, ชีววิทยา, พวง
ของคนที่ระบบคอมพิวเตอร์ (ดังนั้นฉัน
เพื่อนร่วมงานที่นี่ที่ Stanford) และค่าเฉลี่ย
สองหรือสามครั้งต่อสัปดาห์ฉันได้รับอีเมลจาก
คนที่อยู่ในอุตสาหกรรมจาก Silicon Valley
ติดต่อผมว่ามีความสนใจใน
การใช้ขั้นตอนวิธีการเรียนรู้ที่จะเป็นของตัวเอง
ปัญหา นี้เป็นสัญญาณในช่วงของ
ปัญหาที่คุณสัมผัสการเรียนรู้เครื่อง.
มีหุ่นยนต์อิสระคำนวณ
ชีววิทยาตันของสิ่งที่อยู่ใน Silicon Valley
ที่การเรียนรู้เครื่องจะมีผลกระทบ
ใน นี่คือตัวอย่างอื่น ๆ ของการมี
กลไกการเรียนรู้ มีการทำเหมืองแร่เป็นฐานข้อมูล.
หนึ่งของการเรียนรู้เครื่องเหตุผลได้ดังนั้น
อบอวลคือการเจริญเติบโตของเว็บและ
การเจริญเติบโตของระบบอัตโนมัติทั้งหมดนี้หมายความว่า
เรามีชุดข้อมูลที่มีขนาดใหญ่กว่าที่เคยเป็น
มาก่อน ดังนั้นสำหรับตันตัวอย่างของ Silicon
บริษัท วัลเลย์ที่มีวันการเก็บรวบรวมเว็บ
ข้อมูลการคลิกที่เรียกว่าข้อมูลเส้นทาง,
และมีการพยายามที่จะใช้การเรียนรู้เครื่อง
ขั้นตอนวิธีการทำเหมืองข้อมูลนี้เพื่อทำความเข้าใจ
ผู้ใช้ที่ดีขึ้นและเพื่อตอบสนองผู้ใช้
ที่ดีกว่าที่เป็นส่วนใหญ่ของ
ซิลิกอนวัลเลย์ในขณะนี้ แพทย์
บันทึก กับการถือกำเนิดของระบบอัตโนมัติที่เรา
ตอนนี้มีเวชระเบียนอิเล็กทรอนิกส์ดังนั้นหาก
เราสามารถเปิดบันทึกทางการแพทย์เป็นแพทย์
ความรู้แล้วเราสามารถเริ่มต้นที่จะเข้าใจ
โรคที่ดีขึ้น ชีววิทยา.
ด้วยระบบอัตโนมัติอีกครั้ง, มีการ
เก็บรวบรวมข้อมูลจำนวนมากเกี่ยวกับยีน
ลำดับดีเอ็นเอและอื่น ๆ และ
เครื่องที่ใช้อัลกอริทึมจะให้เรา
มีความเข้าใจที่ดีมากของมนุษย์
จีโนมและสิ่งที่มันหมายถึงการเป็นมนุษย์.
และใน วิศวกรรมเป็นอย่างดีในทุกสาขาของ
วิศวกรรมเรามีขนาดใหญ่และมีขนาดใหญ่,
ชุดและข้อมูลที่มีขนาดใหญ่และขนาดใหญ่ที่
เรากำลังพยายามที่จะเข้าใจการเรียนรู้โดยใช้
อัลกอริทึม ช่วงที่สองของเครื่องจักร
การใช้งานที่เป็นคนที่เราไม่สามารถ
เขียนโปรแกรมด้วยมือ ดังนั้นตัวอย่างเช่นผมเคย
ทำงานกับเฮลิคอปเตอร์แบบอัตโนมัติสำหรับหลาย
ปีที่ผ่านมา เราก็ไม่ได้รู้วิธีการเขียน
โปรแกรมคอมพิวเตอร์ที่จะทำให้เฮลิคอปเตอร์นี้
บินด้วยตัวเอง สิ่งเดียวที่ทำงาน
ได้มีคอมพิวเตอร์ที่เรียนรู้ด้วยตัวเองว่า
จะบินเฮลิคอปเตอร์นี้ [ปั่นป่วนเฮลิคอปเตอร์]
การรับรู้ลายมือ แต่กลับกลายเป็นหนึ่ง
ในเหตุผลที่มันเป็นราคาไม่แพงดังนั้นในวันนี้เพื่อ
เส้นทางส่วนของจดหมายจากทั่ว
ประเทศในสหรัฐอเมริกาและต่างประเทศ
ก็คือว่าเมื่อคุณเขียนจ่าหน้าซองจดหมายแบบ
นี้ก็จะเปิดออกมีการเรียนรู้
ขั้นตอนวิธีการที่ได้เรียนรู้วิธีการอ่าน คุณ
เขียนด้วยลายมือเพื่อที่จะสามารถโดยอัตโนมัติ
เส้นทางจากซองจดหมายนี้ในทางของมันและดังนั้นจึง
มีค่าใช้จ่ายเราไม่กี่เซ็นต์ที่จะส่งเรื่องนี้
หลายพันไมล์ และในความเป็นจริงถ้าคุณได้
เห็นในสาขาของภาษาธรรมชาติ
หรือการมองเห็นคอมพิวเตอร์
สาขาเหล่านี้กับ AI
ภาษาความเข้าใจหรือความเข้าใจ
ภาพ ส่วนใหญ่ของการประมวลผลภาษาธรรมชาติ
และส่วนใหญ่ของคอมพิวเตอร์วิสัยทัศน์ในวันนี้คือ
การเรียนรู้ที่ใช้เครื่อง การเรียนรู้
ขั้นตอนวิธีการนี้ยังมีการใช้กันอย่างแพร่หลายสำหรับตัวเอง
โปรแกรมการปรับแต่ง ทุกครั้งที่คุณไปที่
Amazon หรือ Netflix หรือ iTunes Genius และ
แนะนำภาพยนตร์หรือผลิตภัณฑ์และ
เพลงกับคุณว่าเป็นขั้นตอนวิธีการเรียนรู้.
ถ้าคุณคิดว่าเกี่ยวกับเรื่องนี้พวกเขามีล้าน
ผู้ใช้; มีวิธีการเขียนล้านไม่มี
โปรแกรมที่แตกต่างกันสำหรับล้านผู้ใช้ของคุณ.
วิธีเดียวที่จะมีซอฟต์แวร์เหล่านี้ให้
คำแนะนำที่กำหนดเองจะกลายเป็น
เรียนรู้ด้วยตัวเองในการปรับแต่งตัวเองเพื่อ
ความต้องการของคุณ การเรียนรู้ในที่สุด
ขั้นตอนวิธีการที่มีการใช้ในวันนี้เพื่อ
ทำความเข้าใจการเรียนรู้ของมนุษย์และการ
ทำความเข้าใจการทำงานของสมอง เราจะพูดคุยเกี่ยวกับ
วิธีการใช้งานวิจัยนี้จะทำให้
ความคืบหน้าไปยังฝันยิ่งใหญ่ของ AI ไม่กี่
เดือนที่ผ่านมานักเรียนแสดงให้ฉันเห็นบทความ
ด้านบนสิบสองทักษะไอที ทักษะ
ที่การจ้างงานเทคโนโลยีสารสนเทศ
ผู้จัดการไม่สามารถบอกว่าไม่มีการ มันเป็น
บทความที่เก่ากว่าเล็กน้อย แต่ที่ด้านบนของ
รายชื่อของสิบสองที่ต้องการมากที่สุดไอทีนี้
เป็นทักษะการเรียนรู้ของเครื่อง ที่นี่ที่
Stanford จำนวนของนายหน้า
ได้ติดต่อผมถามว่าผมรู้ใด ๆ
เครื่องที่จบการศึกษาเรียนรู้ของนักศึกษา
อยู่ไกลขนาดใหญ่กว่าการเรียนรู้เครื่อง
ที่สำเร็จการศึกษาในแต่ละปี ดังนั้นผมจึง
คิดว่าจะมีขนาดใหญ่ความต้องการไม่ได้ผล
สำหรับการตั้งค่าสกิลนี้และนี่คือช่วงเวลาที่ดีที่จะ
ได้เรียนรู้เกี่ยวกับการเรียนรู้เครื่องและผม
หวังว่าจะสอนให้คุณเป็นจำนวนมากเกี่ยวกับเครื่อง
การเรียนรู้ในชั้นนี้ ในวิดีโอต่อไป
เราจะเริ่มต้นที่จะให้เป็นทางการมากขึ้น
ความหมายของสิ่งที่เป็นกลไกการเรียนรู้.
และเราจะเริ่มต้นที่จะพูดคุยเกี่ยวกับหลัก
ประเภทของปัญหาการเรียนรู้เครื่องและ
ขั้นตอนวิธี คุณจะได้รับบางส่วนของ
เครื่องหลักในการเรียนรู้คำศัพท์และ
เริ่มต้นที่จะได้รับความรู้สึกของสิ่งที่มี
ขั้นตอนวิธีการที่แตกต่างกันและเมื่อแต่ละคน
อาจจะมีความเหมาะสม

ผลลัพธ์ (ไทย) 3:

ยินดีต้อนรับสู่ชั้นเรียนออนไลน์ฟรีบน
การเรียนรู้เครื่อง เครื่องจักรการเรียนรู้เป็นหนึ่งในที่น่าตื่นเต้นที่สุด

ล่าสุดเทคโนโลยี และในชั้นนี้ คุณได้เรียนรู้เกี่ยวกับ
รัฐของศิลปะและยังได้รับการฝึกและใช้อัลกอริทึมเหล่านี้

ด้วยตัวคุณเอง คุณอาจจะใช้ขั้นตอนวิธีการเรียนรู้

หลายสิบครั้งต่อวัน โดยไม่รู้ ทุกครั้งที่คุณใช้เว็บ search engine เช่น Google หรือ Bing


การค้นหาทางอินเทอร์เน็ต , หนึ่งในเหตุผล
ที่ทํางานได้ดี เพราะการเรียนรู้
อัลกอริทึมหนึ่งดำเนินการโดย Google หรือ
Microsoft ได้เรียนรู้วิธีการจัดอันดับเว็บไซต์
หน้า ทุกครั้งที่คุณใช้ Facebook หรือ
แอปเปิ้ลภาพพิมพ์ใบสมัคร และรู้จักเพื่อน ๆ

รูปที่ยังการเรียนรู้เครื่อง ทุกครั้งที่คุณอ่านอีเมลของคุณและตัวกรองสแปมของคุณ

ช่วยให้คุณประหยัดจากการลุยตันของอีเมลขยะ
อีเมล์ที่นอกจากนี้ยังมีการเรียนรู้ขั้นตอนวิธี .
สำหรับฉันหนึ่งในเหตุผลที่ผมตื่นเต้นคือ
AI ฝันสักวันอาคารเครื่องจักร
ฉลาดเท่าคุณหรือฉัน เราเป็นทางยาว
ห่างจากเป้าหมายที่แต่หลาย AI
นักวิจัยเชื่อว่าวิธีที่ดีที่สุดที่จะ
ไปสู่เป้าหมายที่ผ่านการเรียนรู้
ขั้นตอนวิธีที่พยายามเลียนแบบวิธีการของมนุษย์
สมองเรียนรู้ผมจะบอกคุณนิดหน่อย
เหมือนกันในชั้นนี้ ในชั้นนี้
-
คุณเรียนรู้เกี่ยวกับอัลกอริทึมการเรียนรู้ของเครื่องจักร . แต่มันก็แค่รู้ขั้นตอนวิธีและ

รู้คณิตศาสตร์ไม่มากที่ดีถ้า
คุณไม่รู้วิธีการได้รับจริง
พวกนี้ทำงานในปัญหาที่คุณ
แคร์ ดังนั้น เราได้ใช้เวลามากเวลาสำหรับคุณ


ฝึกพัฒนาใช้ขั้นตอนวิธีการเหล่านี้แต่ละและดูว่าพวกเขาทำงาน
แก้ด้วยตัวเอง ดังนั้นทำไม
เครื่องเรียนวันนี้แพร่หลายดังนั้น ?
ปรากฎว่าเครื่องเรียนรู้เป็น
สนามที่เติบโตออกจากเขตของ
AI หรือปัญญาประดิษฐ์ เราต้องการ
สร้างเครื่องจักรและกลายเป็น
ว่ามีไม่กี่ขั้นพื้นฐานสิ่งที่
เราสามารถโปรแกรมให้เครื่องจักร เช่น
วิธีการหาเส้นทางที่สั้นที่สุดจาก A ไป B .
แต่ส่วนใหญ่เราก็ไม่ได้รู้
วิธีการเขียน AI โปรแกรมที่จะทำสิ่งที่น่าสนใจมากขึ้น

เช่น ค้นหาเว็บ หรือการติดแท็กภาพถ่ายหรืออีเมล์ต่อต้านสแปม มี
เป็นตระหนักว่าวิธีเดียวที่จะทำ
พวกนี้ต้องเรียนรู้
เครื่องที่จะทำมันด้วยตัวเอง ดังนั้น การเรียนรู้ พัฒนาเป็นเครื่อง

ความสามารถใหม่สำหรับคอมพิวเตอร์ และวันนี้ก็สัมผัสส่วนมาก

ของอุตสาหกรรมและวิทยาศาสตร์พื้นฐาน สำหรับผม ผมทำงานบนเครื่องเรียน
ในสัปดาห์ปกติ ฉันอาจจะพูดกับ
เฮลิคอปเตอร์ นักบิน นักชีววิทยา พวง
ของระบบคอมพิวเตอร์ ( คนที่แล้วของฉัน
เพื่อนร่วมงานที่นี่ที่สแตนฟอร์ด ) และเฉลี่ย
2 หรือ 3 ครั้ง สัปดาห์นี้ฉันได้รับอีเมลจากคนในอุตสาหกรรมจาก Silicon Valley

ติดต่อผมที่สนใจ
การประยุกต์ใช้อัลกอริทึมการเรียนรู้ปัญหาของตัวเอง

นี้เป็นสัญญาณของปัญหาที่เครื่องช่วง

มีการเรียนรู้สัมผัส หุ่นยนต์อัตโนมัติ ชีววิทยาเชิงคำนวณ
, ตันของสิ่งต่างๆใน Silicon Valley
การเรียนรู้เครื่องมีผลต่อ
. ที่นี่มีตัวอย่างอื่น ๆบางส่วนของ
การเรียนรู้เครื่อง มีการทำเหมืองแร่ฐานข้อมูล
เหตุผลหนึ่งเครื่องได้ ดังนั้นการเรียนรู้
อบอวลคือการเจริญเติบโตของเว็บและ
การเจริญเติบโตของระซึ่งหมายความว่า
เรามีชุดข้อมูลที่มีขนาดใหญ่มากกว่าเดิม
มาก่อน ดังนั้น เช่นตันของบริษัท Silicon Valley มีการเก็บรวบรวมข้อมูลเว็บ

วันนี้คลิกที่เรียกว่าการบำรุงรักษาปกติ
, และพยายามที่จะใช้เครื่องการเรียนรู้
ขั้นตอนวิธีของข้อมูลนี้จะเข้าใจ
ผู้ใช้ที่ดีขึ้นและให้บริการผู้ใช้
ดีกว่าที่เป็นส่วนใหญ่ของ
Silicon Valley ในตอนนี้ ประวัติทางการแพทย์

กับการถือกำเนิดของระบบอัตโนมัติเรา
เดี๋ยวนี้มีระเบียนการแพทย์อิเล็กทรอนิกส์ ดังนั้น ถ้าเราสามารถเปิดบันทึกทางการแพทย์เป็น

ความรู้ทางการแพทย์ เราก็สามารถเริ่มที่จะเข้าใจ
โรคดีขึ้น ชีววิทยาเชิงคำนวณ .
ด้วยระบบอัตโนมัติอีกครั้ง นักชีววิทยากำลังรวบรวมข้อมูลเกี่ยวกับยีนมากมาย

ลำดับ ลำดับดีเอ็นเอ แล้วก็
เครื่องจะให้เราใช้ขั้นตอนวิธี
ความเข้าใจที่ดีมากของจีโนมมนุษย์
และสิ่งที่มันหมายถึงการเป็นมนุษย์
และวิศวกรรมเป็นอย่างดีในเขตข้อมูลทั้งหมดของ
วิศวกรรม มีขนาดใหญ่ขึ้น และใหญ่ขึ้น และ มีขนาดใหญ่ขึ้น และใหญ่ขึ้น
ชุดข้อมูล ที่เราพยายามจะเข้าใจ

ใช้ขั้นตอนวิธีการเรียนรู้ . ช่วงที่สองของการใช้งานเครื่องจักรที่เราไม่สามารถ

เป็นโปรแกรมด้วยมือ ดังนั้นตัวอย่างเช่นผมทำงานบนเฮลิคอปเตอร์ด้วยตนเองหลาย

ปี เราแค่ไม่รู้ว่าต้องเขียนโปรแกรมคอมพิวเตอร์เพื่อให้เฮลิคอปเตอร์

บินด้วยตัวเอง สิ่งเดียวที่ทำงาน
มีคอมพิวเตอร์เรียนรู้ด้วยตัวเองว่า
ที่จะบินเฮลิคอปเตอร์ [ เฮลิคอปเตอร์ขว้าง ]
ลายมือ . ปรากฏว่าหนึ่ง
เหตุผลมันก็ไม่แพง วันนี้

เส้นทางชิ้นส่วนของจดหมายข้าม
ประเทศในสหรัฐอเมริกาและต่างประเทศ
คือว่าเมื่อคุณเขียนจดหมายเหมือน
นี้ ปรากฎว่า มีการเรียนรู้
ขั้นตอนวิธีการที่ได้เรียนรู้การอ่านลายมือของคุณ

ดังนั้นมันสามารถโดยอัตโนมัติเส้นทางซองนี้ในทางของมันและมัน
ต้นทุนเราไม่กี่เซ็นต์เพื่อส่งสิ่งนี้
พัน ไมล์ และในความเป็นจริงถ้าคุณได้

เห็นด้านภาษาธรรมชาติการประมวลผลคอมพิวเตอร์
หรือวิสัยทัศน์เหล่านี้เป็นเขตของ AI เกี่ยวกับความเข้าใจภาษาเข้าใจ

หรือภาพ ส่วนใหญ่ของการประมวลผลภาษาธรรมชาติ
และส่วนใหญ่ของวิสัยทัศน์คอมพิวเตอร์วันนี้
ประยุกต์การเรียนรู้เครื่อง ขั้นตอนวิธีการเรียนรู้
นอกจากนี้ยังมีใช้กันอย่างแพร่หลายเพื่อตนเอง -
การปรับแต่งโปรแกรม ทุกครั้งที่คุณไป
Amazon หรือ Netflix หรือ iTunes อัจฉริยะและ
แนะนำหนังหรือผลิตภัณฑ์และ
เพลงเพื่อคุณนั่นคือการเรียนรู้ขั้นตอนวิธี .
ถ้าคุณคิดเกี่ยวกับมันมีล้าน
ผู้ใช้ ไม่มีวิธีที่จะเขียนโปรแกรมที่แตกต่างกันสำหรับล้านล้าน

ผู้ใช้ของคุณ วิธีเดียวที่จะมีซอฟต์แวร์ให้เหล่านี้เองที่จะกลายเป็น

แนะนำเรียนรู้ด้วยตัวเองเพื่อปรับแต่งเอง

การตั้งค่าของคุณ ในที่สุดการเรียน
อัลกอริทึมที่มีการใช้วันนี้

เข้าใจการเรียนรู้ของมนุษย์และ

เข้าใจสมองเราจะพูดคุยเกี่ยวกับวิธีการวิจัยจะใช้นี้

เพื่อให้ก้าวหน้าต่อใหญ่ไอฝัน ไม่กี่
เดือนก่อน นักเรียนแสดงบทความ
ที่ 12 ด้านบนมันทักษะ ทักษะเทคโนโลยีสารสนเทศจ้าง

ที่ผู้บริหารไม่สามารถปฏิเสธได้ มันเป็นเพียงเล็กน้อยเก่าบทความ

แต่ที่ด้านบนของรายการของสิบสองที่พึงปรารถนามากที่สุดมัน
ทักษะการเรียนรู้เครื่อง ที่นี่ที่
สแตนฟอร์ดจำนวนนายหน้า
ที่ติดต่อผมถามว่าถ้าผมรู้

จบการเรียนรู้เครื่องนักเรียนอยู่ไกลมีขนาดใหญ่กว่าเครื่องการเรียนรู้
นักเรียนเรียนจบในแต่ละปี ดังนั้นฉันคิดว่ามันมาก

, ความต้องการไม่ได้ผลสำหรับทักษะนี้ และนี้เป็นเวลาที่ดีที่จะได้เรียนรู้เกี่ยวกับการเรียน

หวังว่าเครื่องผมสอนคุณเรื่องเครื่อง
การเรียนในระดับนี้ ในวิดีโอต่อไป
เราจะเริ่มให้มากขึ้นอย่างเป็นทางการ
นิยามอะไรคือการเรียนรู้เครื่อง .
และเราจะเริ่มต้นพูดคุยเกี่ยวกับประเภทหลักของเครื่องมีปัญหาการเรียน

และขั้นตอนวิธี คุณจะรับของ

เครื่องหลักการเรียนรู้คำศัพท์ และเริ่มได้รับความรู้สึกของสิ่งที่เป็น
ขั้นตอนวิธีที่แตกต่างกัน และเมื่อแต่ละคน
อาจจะเหมาะสม