人工智能論文：機(jī)器學(xué)習(xí)與大數(shù)據(jù)-全文預(yù)覽
【正文】 頭角的機(jī)器學(xué)習(xí)將聯(lián)合大數(shù)據(jù)在更多領(lǐng)域?qū)崿F(xiàn)更強(qiáng)大的功能，人工智能技術(shù)也會有新的突破。大數(shù)據(jù)時代的機(jī)器學(xué)習(xí)更強(qiáng)調(diào)“學(xué)習(xí)本身是手段”，機(jī)器學(xué)習(xí)成為一種支持技術(shù)和服務(wù)技術(shù)，如何基于機(jī)器學(xué)習(xí)對復(fù)雜多樣的數(shù)據(jù)進(jìn)行深層次的分析，更高效地利用信息成為當(dāng)前機(jī)器學(xué)習(xí)研究的主要方向。這些由機(jī)器學(xué)習(xí)技術(shù)支持的日志數(shù)據(jù)分析方案可謂自動化處理的最理想場景，因為此類方案會自主選擇匹配程度較高的處理模式并進(jìn)行優(yōu)先級排序，從而在無法人為提供培訓(xùn)數(shù)據(jù)集的前提下完成既定任務(wù)。日志分析自動化主要引擎包括機(jī)器數(shù)據(jù)集成中間件，業(yè)務(wù)規(guī)則管理系統(tǒng)，語義分析，數(shù)據(jù)流計算平臺和機(jī)器學(xué)習(xí)算法?！吧钊雽W(xué)習(xí)”（deep learning）成為了大數(shù)據(jù)科學(xué)家的機(jī)器學(xué)習(xí)指令系統(tǒng)中的一個重要工具。[[] [J].，20140526，02版.] 機(jī)器學(xué)習(xí)已成為大數(shù)據(jù)的基石機(jī)器學(xué)習(xí)對大數(shù)據(jù)應(yīng)用投資回報的貢獻(xiàn)主要體現(xiàn)在兩個方面：一是促進(jìn)數(shù)據(jù)科學(xué)家們的多產(chǎn)性；二是發(fā)現(xiàn)一些被忽視的方案，有些方案甚至遭到了最好的數(shù)據(jù)科學(xué)家們的忽視。當(dāng)前全球和我國大數(shù)據(jù)都呈現(xiàn)了井噴式爆發(fā)性增長，大數(shù)據(jù)已經(jīng)滲透到各個行業(yè)和業(yè)務(wù)職能領(lǐng)域，成為重要的生產(chǎn)因素，大數(shù)據(jù)的演進(jìn)與生產(chǎn)力的提高有著直接的關(guān)系。大數(shù)據(jù)技術(shù)的戰(zhàn)略意義不在于掌握龐大的數(shù)據(jù)信息，而在于對這些含有意義的數(shù)據(jù)進(jìn)行專業(yè)化處理。學(xué)習(xí)是一項復(fù)雜的智能活動，學(xué)習(xí)過程與推理過程是緊密相連的，按照學(xué)習(xí)中使用推理的多少，機(jī)器學(xué)習(xí)所采用的策略大體上可分為4種——機(jī)械學(xué)習(xí)、通過傳授學(xué)習(xí)、類比學(xué)習(xí)和通過事例學(xué)習(xí)。它綜合應(yīng)用心理學(xué)、生物學(xué)和神經(jīng)生理學(xué)以及數(shù)學(xué)、自動化和計算機(jī)科學(xué)形成機(jī)器學(xué)習(xí)理論基礎(chǔ)。機(jī)器學(xué)習(xí)是繼專家系統(tǒng)后人工智能應(yīng)用的又一重要研究領(lǐng)域，也是人工智能和神經(jīng)計算的核心研究課題之一。Machine learning。機(jī)器學(xué)習(xí)幾乎無處不在，即便我們沒有專程調(diào)用它們，它們也經(jīng)常出現(xiàn)在大數(shù)據(jù)應(yīng)用之中，大數(shù)據(jù)環(huán)境下機(jī)器學(xué)習(xí)的創(chuàng)新和發(fā)展也倍加受到了關(guān)注。《人工智能》課程結(jié)課論文課題：機(jī)器學(xué)習(xí)與大數(shù)據(jù)姓 名：學(xué) 號：班
高考資料相關(guān)推薦
鄂ICP備17016276號-1