機器學習(Machine Learning, ML),它是AI 的一個子集。所有機器學習都是 AI,但不是所有的 AI 都是機器學習。

學習是人類具有的一種重要智能行為,人類通過不斷學習才得以取得如今的種種成就,才得以推動社會進步。隨著科技飛速發(fā)展,人類便萌生出一個念頭,能否讓自己的勞動工具也變的智能,從而最大程度的輔助自己?于是,機器學習便應運而生。

機器學習是在1990年被提出來,比人工智能晚了35年。機器學習讓我們通過算法來解決一些復雜的問題。正如人工智能先驅(qū) Arthur Samuel 在 1959 中寫道的那樣,機器學習是需要研究的領(lǐng)域,它給計算機學習的能力而不是明確地編程能力。

機器學習是一門多領(lǐng)域交叉學科,涉及概率論、統(tǒng)計學、逼近論、凸分析、算法復雜度理論等多門學科。專門研究計算機怎樣模擬或?qū)崿F(xiàn)人類的學習行為,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。

現(xiàn)如今,機器學習已經(jīng)有了十分廣泛的應用,例如:數(shù)據(jù)挖掘、計算機視覺、自然語言處理、生物特征識別、搜索引擎、醫(yī)學診斷、檢測信用卡欺詐、證券市場分析、DNA序列測序、語音和手寫識別、戰(zhàn)略游戲和機器人運用。而且,由于它是依托于更具有客觀性的數(shù)據(jù)來給出解決建議或者執(zhí)行方案的,所以機器學習給出的意見更客觀,更具有參考價值。

那么,機器能否像人類一樣能具有學習能力呢?1959年美國的塞繆爾(Samuel)設(shè)計了一個下棋程序,這個程序具有學習能力,它可以在不斷的對弈中改善自己的棋藝。4年后,這個程序戰(zhàn)勝了設(shè)計者本人。又過了3年,這個程序戰(zhàn)勝了美國一個保持8年之久的常勝不敗的冠軍。這個程序向人們展示了機器學習的能力,提出了許多令人深思的社會問題與哲學問題。

機器的能力是否能超過人的,很多持否定意見的人的一個主要論據(jù)是:機器是人造的,其性能和動作完全是由設(shè)計者規(guī)定的,因此無論如何其能力也不會超過設(shè)計者本人。這種意見對不具備學習能力的機器來說的確是對的,可是對具備學習能力的機器就值得考慮了,因為這種機器的能力在應用中不斷地提高,過一段時間之后,設(shè)計者本人也不知它的能力到了何種水平?，F(xiàn)如今,AI已經(jīng)可以不斷地戰(zhàn)勝人類世界冠軍,設(shè)計者是否知道他們創(chuàng)造出來的“棋圣”水平到底有多高?

大多數(shù)機器學習的目標是為特定場景開發(fā)預測引擎。一個算法將接收到一個域的信息。舉個例子:一個人過去觀看過的電影,權(quán)衡輸入做出一個有用的預測(未來想看的不同電影的概率)。通過機器學習的能力,通過優(yōu)化任務衡量變量的可用數(shù)據(jù),做出算法,來對未來做出準確的預測。

機器通過訓練學習,算法最初接收其輸出是已知的示例,此時要注意其預測和正確輸出之間的差異,并且調(diào)諧輸入的權(quán)重以提高其預測的準確性,直到它們被優(yōu)化。因此,機器學習算法的定義特征是:它們預測的質(zhì)量會緊隨著它的經(jīng)驗來不斷地改進。

本次KubeCon大會上,來自Microsoft的云架構(gòu)師Brian Redmond和首席軟件工程師Rita Zhang將為大家?guī)硪粓鲫P(guān)于機器學習的技術(shù)盛宴。面向的是數(shù)據(jù)科學家和基礎(chǔ)架構(gòu)/SRE 團隊等人群,會將開發(fā)運營的益處引入 AI 和機器學習中。

你是否想知道如何建立機器學習模型?大會上你將有機會參與到數(shù)據(jù)科學家的一天中,代碼協(xié)作、數(shù)據(jù)集整理、訓練和服務端對端潛入等等。這將成為機器學習模型日常生命周期的實踐指南。他們將提及如何利用 Kubeflow 等開源工具并深入考察這些工具是如何運行和協(xié)助機器學習開發(fā)生命周期的。

跟隨數(shù)據(jù)科學家的步伐,讓他們手把手帶你成長,專家一席話,勝讀十年書。機器都在飛速學習,更何況是我們?上海KubeCon大會上我們不見不散。

本期則隆重推薦:

　　Wenjia Zhang , Google軟件工程師

Wenjia Zhang 在谷歌 Kubernetes 團隊擔任軟件工程師。她也積極參與 Kubernetes 和 etcd 開源項目。

　　Yuxuan Li , Google軟件工程師

Yuxuan Li 是谷歌的軟件工程師。她專注于gRPC-Go的開發(fā),這是一個用Go語言編寫的開源RPC框架。

　　Alexandr Tcherniakhovski ,Google安全工程師

Alex 現(xiàn)任谷歌安全工程師,負責 Kubernetes 引擎安全。此前,他負責降低內(nèi)部風險。加入谷歌前,Alex 在微軟安全部工作。他在青少年時期,曾是國家級(俄羅斯)網(wǎng)球選手。這將是他首次在大會演講。

KubeCon + CloudNativeCon 2018即將開始,請立即購票,勿失良機!

余票所剩無幾,欲購從速,票價如下:

標準注冊2400元;

貴賓注冊6000元;

學術(shù)或愛好者注冊500元

更多精彩內(nèi)容請搜索 KubeCon 前往官網(wǎng)進行了解!

文末福利:

全免邀請票給 Kubernetes (K8s) 企業(yè)最終用戶計劃300個名額已爆滿;由于反應強烈,最后加開100個名額!

1. 對象: Kubernetes 最終企業(yè)用戶的架構(gòu)師和開發(fā)者,技術(shù)主管。

2. 請?zhí)峁┬彰?公司名稱,職位和微信號,審核通過可獲得全免邀請票。

　　———————————感謝活動贊助商———————————

　　鉆石贊助商

　　阿里云

　　華為云

　　IBM Cloud

　　Tencent Cloud

　　鉑金贊助商

　　靈雀云

　　才云

　　Google Cloud

　　英特爾

　　京東

　　Microsoft Azure

　　Rancher

　　VMware

　　黃金贊助商

　　SUSE

　　白銀贊助商

　　BoCloud

　　Cloud Foundry

　　DaoCloud

　　EasyStack

　　Eclipse Foundation

　　Elastic

　　GitLab

　　Mesosphere

　　NGINX

　　PingCAP

　　Red Hat

　　YAHOO! JAPAN

　　初創(chuàng)企業(yè)贊助商

　　Aljabr

　　AMPERE

　　CStack

　　EMQ

　　Giant Swarm

　　諧云科技

　　inwinSTACK

　　KONTENA

　　藍燈數(shù)據(jù)

　　LF DEEP LEARNING

　　PlanetScale

　　時速云

　　睿云智合

　　媒體合作伙伴

　　開源中國社區(qū)

　　極客邦科技 / InfoQ

　　TFIR

　　THE NEW STACK

　　社區(qū)合作伙伴

　　中國電子技術(shù)標準化研究院

　　中國開源軟件(OSS)推進聯(lián)盟

　　異步社區(qū)

　　掘金

　　開源社

　　Ladies Who Tech

　　開源中國社區(qū)

　　云計算開源產(chǎn)業(yè)聯(lián)盟

　　WOMEN WHO CODE

生成海報

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。