机器学习（Machine Learning，常简称为 ML）已经成为了当今的热门话题，从机器学习概念诞生到机器学习技术的普遍应用经过了漫长的过程，众多优秀的学者为推动机器学习的发展做出了巨大的贡献。普遍认为，机器学习的处理系统和算法是主要通过找出数据里隐藏的模式进而做出预测的识别模式，它是人工智能的一个重要子领域。
由清华大学人工智能研究院编写的《人工智能之机器学习》，从八个维度进行了全面的梳理，内容如下：
1、概述篇
1.1 机器学习的概念
1.2 机器学习的发展历史
2、技术篇
2.1 机器学习算法分类
2.2 机器学习的经典代表算法
2.3 生成对抗网络及对抗机器学习
2.4 自动机器学习
2.5 可解释性机器学习
2.6 在线学习
2.7 BERT
2.8 卷积与图卷积
2.9 隐私保护
3、深度学习篇
3.1 卷积神经网络
3.2 AutoEncoder
3.3 循环神经网络RNN
3.4 网络表示学习与图神经网络GNN
3.5 增强学习
3.6 生成对抗网络
3.7 老虎机
3.8 图神经网络
3.9 深度学习近期重要进展
4、论文解读篇
5、人才篇
5.1 学者情况概览
5.2 代表性学者简介
5.3 NeurIPS十年高引学者
6、应用篇
7、趋势篇
8、资源篇
8.1 开源代码
8.2 预训练
8.3 课程
8.4 数据集
8.5 机器学习知识树
以下是本报告详细内容，本报告共50页，完整报告可在公众号回复“AI024”获取。
往期回顾：
《2019最新人工智能报告合集（限时领取）》
《2019最新5G报告合集（限时领取）》
分享到:
閱讀更多 冬瓜研報 的文章
