Học máy: Xu hướng, góc nhìn, và triển vọng

American Association for the Advancement of Science (AAAS) - Tập 349 Số 6245 - Trang 255-260 - 2015
Michael I. Jordan1, Tom M. Mitchell2
1Department of Electrical Engineering and Computer Sciences, Department of Statistics, University of California, Berkeley, CA, USA.
2Machine Learning Department, Carnegie Mellon University, Pittsburgh, PA, USA

Tóm tắt

Học máy (Machine learning) nghiên cứu vấn đề làm thế nào để xây dựng các hệ thống máy tính tự động cải thiện qua kinh nghiệm. Đây là một trong những lĩnh vực kỹ thuật phát triển nhanh chóng hiện nay, nằm tại giao điểm của khoa học máy tính và thống kê, và là cốt lõi của trí tuệ nhân tạo và khoa học dữ liệu. Tiến bộ gần đây trong học máy được thúc đẩy bởi sự phát triển của các thuật toán và lý thuyết học mới cùng với sự bùng nổ liên tục trong việc sẵn có dữ liệu trực tuyến và khả năng tính toán chi phí thấp. Việc áp dụng các phương pháp học máy dựa trên dữ liệu đã xuất hiện trong khoa học, công nghệ và thương mại, dẫn đến việc ra quyết định dựa trên bằng chứng trong nhiều lĩnh vực cuộc sống, bao gồm chăm sóc sức khỏe, sản xuất, giáo dục, mô hình tài chính, cảnh sát và tiếp thị.

Từ khóa

#Học máy #trí tuệ nhân tạo #khoa học dữ liệu #thuật toán #dữ liệu trực tuyến #tính toán chi phí thấp #ra quyết định dựa trên bằng chứng #chăm sóc sức khỏe #sản xuất #giáo dục #mô hình tài chính #cảnh sát #tiếp thị.

Tài liệu tham khảo

T. Hastie R. Tibshirani J. Friedman The Elements of Statistical Learning: Data Mining Inference and Prediction (Springer New York 2011).

K. Murphy Machine Learning: A Probabilistic Perspective (MIT Press Cambridge MA 2012).

10.1145/1968.1972

10.1073/pnas.1302293110

10.1137/S0097539797325648

S. Shalev-Shwartz O. Shamir E. Tromer Using more data to speed up training time Proceedings of the Fifteenth Conference on Artificial Intelligence and Statistics Canary Islands Spain 21 to 23 April 2012.

S. Boyd N. Parikh E. Chu B. Peleato J. Eckstein in Foundations and Trends in Machine Learning 3 (Now Publishers Boston 2011) pp. 1–122.

S. Sra S. Nowozin S. Wright Optimization for Machine Learning (MIT Press Cambridge MA 2011).

10.1016/j.neunet.2014.09.003

Y. Bengio in Foundations and Trends in Machine Learning 2 (Now Publishers Boston 2009) pp. 1–127.

Krizhevsky A., Sutskever I., Hinton G., Imagenet classification with deep convolutional neural networks. Adv. Neural Inf. Process. Syst. 25, 1097–1105 (2015).

10.1109/MSP.2012.2205597

10.1126/science.1127647

10.1038/nature14236

R. S. Sutton A. G. Barto Reinforcement Learning: An Introduction (MIT Press Cambridge MA 1998).

E. Yaylali J. S. Ivy Partially observable MDPs (POMDPs): Introduction and examples. Encyclopedia of Operations Research and Management Science (John Wiley New York 2011).

10.1126/science.275.5306.1593

C. Dwork F. McSherry K. Nissim A. Smith Calibrating noise to sensitivity in private data analysis in Proceedings of the Third Theory of Cryptography Conference New York 4 to 7 March 2006 pp. 265–284.

10.1145/2450142.2450148

10.1145/2666468

M.-F. Balcan A. Blum S. Fine Y. Mansour Distributed learning communication complexity and privacy. Proceedings of the 29th Conference on Computational Learning Theory Edinburgh UK 26 June to 1 July 2012.

Y. Zhang J. Duchi M. Jordan M. Wainwright in Advances in Neural Information Processing Systems 26 L. Bottou C. Burges Z. Ghahramani M. Welling Eds. (Curran Associates Red Hook NY 2014) pp. 1–23.

10.1214/13-AOS1127

10.1111/rssb.12050

10.1561/2200000035

T. Mitchell W. Cohen E. Hruschka P. Talukdar J. Betteridge A. Carlson B. Dalvi M. Gardner B. Kisiel J. Krishnamurthy N. Lao K. Mazaitis T. Mohamed N. Nakashole E. Platanios A. Ritter M. Samadi B. Settles R. Wang D. Wijaya A. Gupta X. Chen A. Saparov M. Greaves J. Welling Proceedings of the Twenty-Ninth Conference on Artificial Intelligence (AAAI-15) 25 to 30 January 2015 Austin TX.

Taylor M., Stone P., Transfer learning for reinforcement learning domains: A survey. J. Mach. Learn. Res. 10, 1633–1685 (2009).

S. Thrun L. Pratt Learning To Learn (Kluwer Academic Press Boston 1998).

10.1371/journal.pone.0112575

K. Xu J. L. Ba R. Kiros K. Cho A. Courville R. Salakhutdinov R. S. Zemel Y. Bengio Proceedings of the 32nd International Conference on Machine Learning vol. 37 Lille France 6 to 11 July 2015 pp. 2048–2057.

10.1145/2133806.2133826