机器学习

近些年来，超分辨率技术（Super resolution）越来越流行，许多公司将超分辨率技术整合到他们的工作之中。超分辨率的概念早就已经出现，而近些年来机器学习的进步才又一次把超分带入到媒体应用的领域之中。在如今4K/8K视频的时代，超分辨率技术只会越来越重要。

机器学习帮助一些最好的显微镜看得更清楚，工作得更快，并处理更多的数据。

自从2012年数据科学被评为21世纪最性感的工作以来，来自不同领域的许多人开始转向数据科学或相关的机器学习角色。用新奇的人工智能算法解决复杂的问题，再加上一份不错的薪水，听起来很有吸引力。很多公司都加入了宣传的行列，现在提供在不到一年的时间里学习数据科学/AI/ML的新兵训练营。在加入这样的训练营或转向机器学习之前，请考虑以下10件事。

人们可能听说过很多机器学习的用例。例如参加会议、分享人工智能技术的LinkedIn帖子、以及博客文章都有所提及。虽然人们都知道机器学习这个术语，但在多大程度上理解了机器学习的含义？

得益于速度更快的WiFi和5G技术以及机器学习和人工智能的技术改进，很多企业迅速实施数字化转型，并获得更高的连通性。如今全球拥有300多亿台物联网设备，物联网技术正日益应用在人们的工作和生活中……

尽管现有的机器学习模型已经取得了巨大的进步，但遗憾的是，所有的模型不过是对数据的精确曲线拟合。从这一点而言，现有的模型只是在上一代的基础上提升了性能，在基本的思想方面没有任何进步。那么，怎样才能推动AI社区解决这一问题呢？

对那些想了解机器学习的人做一个简单的介绍。不涉及高级原理，只用简单的语言来谈现实世界的问题和实际的解决方案。不管你是一名程序员还是管理者，都能看懂。

本资源收录了机器学习课程用到的相关术语，涉及机器学习基础、机器学习理论、DNN、CNN、RNN、GAN等。

神经网络以其强大的非线性表达能力而获得人们的青睐，但是将网络层数加深的过程中却遇到了很多困难，随着批量正则化，ReLU 系列激活函数等手段的引入，在多层反向传播过程中产生的梯度消失和梯度爆炸问题也得到了很大程度的解决。

机器通过分析大量数据来进行学习。比如说，不需要通过编程来识别猫或人脸，它们可以通过使用图片来进行训练，从而归纳和识别特定的目标。