機器學習（Machine Learning，常簡稱為 ML）已經成為了當今的熱門話題，從機器學習概念誕生到機器學習技術的普遍應用經過了漫長的過程，眾多優秀的學者為推動機器學習的發展做出了巨大的貢獻。普遍認為，機器學習的處理系統和算法是主要通過找出數據裡隱藏的模式進而做出預測的識別模式，它是人工智能的一個重要子領域。
由清華大學人工智能研究院編寫的《人工智能之機器學習》，從八個維度進行了全面的梳理，內容如下：
1、概述篇
1.1 機器學習的概念
1.2 機器學習的發展歷史
2、技術篇
2.1 機器學習算法分類
2.2 機器學習的經典代表算法
2.3 生成對抗網絡及對抗機器學習
2.4 自動機器學習
2.5 可解釋性機器學習
2.6 在線學習
2.7 BERT
2.8 卷積與圖卷積
2.9 隱私保護
3、深度學習篇
3.1 卷積神經網絡
3.2 AutoEncoder
3.3 循環神經網絡RNN
3.4 網絡表示學習與圖神經網絡GNN
3.5 增強學習
3.6 生成對抗網絡
3.7 老虎機
3.8 圖神經網絡
3.9 深度學習近期重要進展
4、論文解讀篇
5、人才篇
5.1 學者情況概覽
5.2 代表性學者簡介
5.3 NeurIPS十年高引學者
6、應用篇
7、趨勢篇
8、資源篇
8.1 開源代碼
8.2 預訓練
8.3 課程
8.4 數據集
8.5 機器學習知識樹
以下是本報告詳細內容，本報告共50頁，完整報告可在公眾號回覆“AI024”獲取。
往期回顧：
《2019最新人工智能報告合集（限時領取）》
《2019最新5G報告合集（限時領取）》
分享到:
閱讀更多 冬瓜研報 的文章
