什么是机器学习？

1.   利用计算机从历史数据中找出规律；并把这些规律用到对未来不定场景的决策

 机器学习的典型应用

1.   关联规则：啤酒+纸尿片，购物篮分析

2.   聚类：用户细分精准营销

3.   朴素贝叶斯：垃圾邮件检测

4.   决策树：风险识别

5.   ctr预估：互联网广告：百度的前多少个词条（商业广告）（按照点击率排序）

6.   协同过滤：推荐系统（电商购物车推荐，应用市场下载应用后的推荐等等）

7.   自然语言处理：情感分析（对文本抓关键情感词），实体识别（提取文本主要数据，人名等）

8.   深度学习:图像识别

9.   更多应用：语音识别，人脸识别，手势控制，智慧机器人，实时翻译

一、机器学习的典型应用

1. 自然语言处理

1. 情感分析

2. 实体识别

2. 深度学习

1. 图像识别

2. 语音识别

3. 个性化医疗

4. 人脸识别

5. 自动驾驶

6. 智慧机器人

7. 私人虚拟助理

8. 手势控制

9. 视频内容自动识别

10. 机器实时翻译
    

机器学习的应用领域

机器学习的应用领域

3-5典型应用自然语言处理和图像识别

自然语言处理：情感分析   实体识别

图像识别：深度识别

机器学习应用

机器学习的更多应用：

其他方面应用：

1:自然语言处理：情感分析，实体识别；

2：深度学习：图像识别（主要）。

机器学习的典型应用及算法：

1)关联规则：购物篮分析；

2)聚类：用户细分精准营销；

3)朴素贝叶斯：垃圾邮件；

4)决策树：信用卡欺诈；

5)ctr预估：互联网广告；

6)协同过滤：推荐系统

机器学习更多应用

机器学习的典型应用：

（1）关联规则：啤酒+纸尿片，购物篮分析

（2）聚类：用户细分精准营销

（3）朴素贝叶斯：垃圾邮件检测

（4）决策树：风险识别

（5）ctr预估：互联网广告：百度的前多少个词条（商业广告）（按照点击率排序）

（6）协同过滤：推荐系统（淘宝购物车推荐）

（7）自然语言处理：情感分析（对文本抓关键情感词），实体识别（提取文本主要数据，人名等）

（8）深度学习：图像识别

（9）更多应用：语音识别，人脸识别，手势控制，智慧机器人，实时翻译

更多的应用

机器学习的典型应用

• 自然语言处理

     情感分析

     实体识别

• 图像识别

      深度学习

更多应用

• 语音识别

• 个性化医疗

• 情感分析

• 人脸识别

• 自动驾驶

• 智慧机器人

• 私人虚拟助理

• 手势控制

• 视频内容自动识别

• 机器实时翻译
  

自然语言处理：

情感分析：语义分析，python，淘宝评论

实体识别：例如提取城市名称，人名，地名

图像识别：

深度学习

自然语言处理：    情感分析

                            实体识别

图像识别：    深度学习

机器学习的典型应用：自然语言处理     情感分析 实体识别

                                 图像识别  深度学习

更多应用 ：  语音识别   个性化医疗  情感分析 人脸识别  自动驾驶  智慧型机器人   私人虚拟助理  手势控制  视频内容自动识别

自然语言处理：情感分析，实物识别

图像识别：深度学习

语音识别、个性化医疗、情感分析、人脸识别、自动驾驶、智慧机器人、私人虚拟助理、手势控制、视频内容自动识别、机器实时翻译

机器学习的典型应用

购物篮分析

• 关联规则：啤酒+尿片

用户细分精准营销

• 聚类

垃圾邮件

• 朴素贝叶斯
  

信用卡欺诈

• 决策树

互联网广告

• ctr预估，点击率，线性逻辑回归
  

推荐系统

• 协同过滤

自然语言处理

• 情感分析

• 实体识别

图像识别

• 深度学习

更多应用

• 语音识别

• 个性化医疗

• 情感分析

• 人脸识别

• 自动驾驶

• 智慧机器人

• 私人虚拟助理

• 手势控制

• 视频内容自动识别

• 机器实时翻译
  

机器学习的应用领域

关于机器学习应用

自然语言处理：情感分析 实体识别

图像识别 （深度学习）

更多应用：语音识别 个性化医疗 情感分析 人脸识别 自动驾驶 智慧机器人 私人虚拟助理 手势控制（体感游戏） 视频内容自动识别 机器实时翻译

机器学习应用

机器学习的典型应用：

1. 关联规则--啤酒+纸尿片，购物篮分析；

2. 聚类--用户细分精准营销，中国移动的动感地带，全球通等针对不同典型用户推出的产品；

3. 朴素贝叶斯--垃圾邮件检测（详细解释一下就好了）；

4. 决策树--风险识别，无偿还能力的贷款还是欺诈贷款；

5. ctr预估--互联网广告，百度的前多少个词条（商业广告）（按照点击率排序）；

6. 协同过滤--推荐系统，购物车推荐，例如购买此产品的其他人同时购买的其他产品（与第一条有类似之处）；

7. 自然语言处理--情感分析（对文本抓关键情感词），实体识别（提取文本主要数据，人名等）；

8. 深度学习--图像识别；

9. 更多应用：语音识别，人脸识别，手势控制，智慧机器人，实时翻译。
   

机器学习的典型应用：

（1）关联规则：啤酒+纸尿片，购物篮分析

（2）聚类：用户细分精准营销

（3）朴素贝叶斯：垃圾邮件检测

（4）决策树：风险识别

（5）ctr预估：互联网广告：百度的前多少个词条（商业广告）（按照点击率排序）

（6）协同过滤：推荐系统（淘宝购物车推荐）

（7）自然语言处理：情感分析（对文本抓关键情感词），实体识别（提取文本主要数据，人名等）

（8）深度学习：图像识别

（9）更多应用：语音识别，人脸识别，手势控制，智慧机器人，实时翻译

什么是机器学习？ 利用计算机从历史数据中找出规律；并把这些规律用到对未来不定场景的决策 机器学习的典型应用 关联规则：啤酒+纸尿片，购物篮分析 聚类：用户细分精准营销 朴素贝叶斯：垃圾邮件检测 决策树：风险识别 ctr预估：互联网广告：百度的前多少个词条（商业广告）（按照点击率排序） 协同过滤：推荐系统（淘宝购物车推荐） 自然语言处理：情感分析（对文本抓关键情感词），实体识别（提取文本主要数据，人名等） 深度学习:图像识别 更多应用：语音识别，人脸识别，手势控制，智慧机器人，实时翻译