加拿大多倫多大學(xué)機器學(xué)習(xí)相關(guān)的課程有哪些？

　　相信大家都聽過AI（Artificial Intelligence）即為人工智能，如今已經(jīng)成為非常熱門的研究領(lǐng)域。以前科幻大片里的場景也都在現(xiàn)實生活中一一出現(xiàn)了，人工智能在日常中的應(yīng)用也隨之不斷在增加，比如人機交互應(yīng)用（蘋果siri人機智能交互系統(tǒng)），競技類圍棋機器人（AlphaGo）也有智能機車及智能運動運輸類仿真機器人（Boston Dynamics公司旗下的Big Dog，Atlas robot）。機器人之所以能稱為“人”不是因為長得像人 而是因為這些機器人都有一個通性就是可以通過程序的自我優(yōu)化來達到自主學(xué)習(xí)的目的，換言之，就是他們可以讓自己變得更聰明！

　　那么其中的Machine Learning就是必不可少的一門科學(xué)了，今天賦能網(wǎng)留學(xué)就帶大家來探知一下多倫多大學(xué)機器學(xué)習(xí)相關(guān)的課程有哪些~

1

Machine Learning in Computer Vision

機器學(xué)習(xí)之計算機視覺

　　近年來，在各個領(lǐng)域，深度學(xué)習(xí)已經(jīng)成為最主流的機器學(xué)習(xí)工具。其最大的成功之一就是計算機視覺，其中計算機對對象的捕捉和動作識別方面的表現(xiàn)得到了顯著提升，從一些基本的手勢識別，到一些體感游戲。 在本課程中，我們將一起探討各種計算機視覺相關(guān)的問題，這些問題將涉及到不同神經(jīng)架構(gòu)的最先進技術(shù)以及關(guān)于計算機可視化最前沿研究方向的探索。說白啦就是讓機器人擁有自己的眼睛，信息輸入端不在單獨基于編程這種方式啦~

2

Intro to Neural Networks and Machine Learning

神經(jīng)網(wǎng)絡(luò)與機器學(xué)習(xí)

　　機器學(xué)習(xí)是一組強大的技術(shù)，允許計算機從數(shù)據(jù)中自主學(xué)習(xí)，而不是通過傳統(tǒng)手動編程的方式來實現(xiàn)更強大的功能。 神經(jīng)網(wǎng)絡(luò)是一類最初受大腦啟發(fā)的機器學(xué)習(xí)算法，但最近在實際應(yīng)用中取得了很多成功。 它們是Google和Facebook等公司生產(chǎn)系統(tǒng)的核心，用于人臉識別，語音到文本和語言理解。

3

Machine Learning and Data Mining

機器學(xué)習(xí)與數(shù)據(jù)挖掘

　　機器學(xué)習(xí)能讓機器從數(shù)據(jù)和經(jīng)驗中學(xué)習(xí)和成長。在過去的二十年中，機器學(xué)習(xí)技術(shù)在人工智能領(lǐng)域和技術(shù)行業(yè)中變得越來越重要。 本課程對一些最常用的機器學(xué)習(xí)算法進行了廣泛的介紹。而且這些原理及算法將作為更高級課程的基礎(chǔ)，例如CSC412 / 2506（概率學(xué)習(xí)和推理）和CSC421 / 2516（神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)）。

　　課程的前半部分側(cè)重于監(jiān)督學(xué)習(xí)，然后后半段側(cè)重于無監(jiān)督學(xué)習(xí)。

　　這里展開一下監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)的概念。監(jiān)督學(xué)習(xí)的原理就是你在給計算機的這個算法中是有一個期望的，叫做Labels（標簽）。比如email設(shè)置什么樣的郵件算垃圾郵件，你已經(jīng)歸類（Classification）給了計算機，這樣計算機今后就能自我判斷哪些屬于垃圾郵件，應(yīng)為這些垃圾郵件都有一樣的屬性和特征，是被mark了的。也就是給計算機小朋友布置了指定的作業(yè)，必須按照學(xué)習(xí)規(guī)則來完成，最后遞交給我我想要的作業(yè)，答案是確定的。

　　無監(jiān)督機器學(xué)習(xí)用的 Training data（訓(xùn)練數(shù)據(jù)） 沒有標簽。系統(tǒng)會試著自學(xué)。

　　通俗一點講就是給計算機小朋友布置了一個課題，告訴他可以在哪找到相關(guān)的學(xué)習(xí)資料，然后讓他自己去學(xué)習(xí)~最后完成的作業(yè)不限于一種答案，可以有一定的自由發(fā)揮的空間，答案具有一定的不確定性。比如你和Siri聊天，同樣的問題你過一段時間問它，它可能會給你不同的回答，不是因為這些回答已經(jīng)事先編程好了，而是siri在網(wǎng)絡(luò)上不斷的在學(xué)習(xí)和積累，對于同樣的關(guān)鍵詞識別它可能過一段時間就會有不一樣的認識及回答了~

4

Topics in Machine Learning Deep Reinforcement Learning

機器學(xué)習(xí)之深度強化學(xué)習(xí)

　　任何智能系統(tǒng)的核心都是人機互動或反復(fù)試驗學(xué)習(xí)。強化學(xué)習(xí)（Reinforcement Learning）是一種模式也是一種算法，強化學(xué)習(xí)允許智能代理通過與其所在環(huán)境交互來達到學(xué)習(xí)進化的目的。 在本課程中，我們將介紹馬爾可夫決策過程（MDP）的基本表述，格式化MDP的學(xué)習(xí)算法。 本課程將主要關(guān)注深度神經(jīng)網(wǎng)絡(luò)的各種近似函數(shù)算法。學(xué)習(xí)的案例將包括游戲設(shè)計原理及機器人運動控制等實際應(yīng)用。

　　拿Boston Dynamics公司旗下Atlas robot舉例，它在過障礙物的時候會存儲運動路徑相關(guān)的所以參數(shù)，如果這次失敗了則會自動調(diào)整運動路徑，怎樣翻越障礙物，要不要跳，多大力度的跳，跳的時候怎樣保持平衡~通過不斷的練習(xí)，最終成功翻越障礙！所謂熟能生巧~

　　想必大家看過阿湯哥的《明日邊緣》這部科幻電影，Atlas就像電影里的阿湯哥，不斷的重復(fù)著同樣的關(guān)卡，通過打怪練級，不斷積累經(jīng)驗最終通關(guān)，想想是不是很有意思呢？

　　好了，以上就是賦能網(wǎng)留學(xué)給大家整理的一部分多倫多大學(xué)開設(shè)的關(guān)于人工智能機器學(xué)習(xí)相關(guān)的課程介紹，通俗一點來說就是讓計算機通過網(wǎng)絡(luò)，可視化交互等方法來達到數(shù)據(jù)的采集并自我分析最優(yōu)解的技術(shù)，模仿的就是人類的神經(jīng)網(wǎng)絡(luò)原理。

　　打個比方，你想讓計算機去記住什么是蘋果，計算機可能會自主在網(wǎng)絡(luò)上下載超過1萬張關(guān)于蘋果的圖片并從不同的觀察角度去記憶，以至于你拿著不同的蘋果去讓計算機識別，它都能反應(yīng)過來這是一個蘋果。雖然對于人類來說這是一個非常簡單的動作，對于計算機來說可能就是數(shù)以兆計的數(shù)據(jù)存儲，處理及分析了。說不定在不久的將來，機器人真的能實現(xiàn)擁有一定自由度的自我意識，更好的去服務(wù)人類。人工智能的時代已經(jīng)在向我們招手！