【好書推薦】機器學習？AlphaGo劫掠人類千年圍棋沉淀的法寶？

yejia80550708

獲獎公布：

獲得技術圖書《機器學習Web應用》：

nail78

sjf0115

  
heguangwu

c3po

東風玖哥

請以上5位獲獎人員在9月30日前將姓名、電話、郵箱、公司、職務、快遞地址站短給  yejia80550708 ，以便盡快給大家發(fā)放禮品。

話題背景：

20年前，IBM研制的深藍計算機勉強戰(zhàn)勝俄羅斯棋王卡斯帕羅夫，它在體力上的優(yōu)勢似乎比智力方面更明顯。但前不久，谷歌的AlphaGo打敗了圍棋高手柯潔，它擅長走快棋，招法狠毒，令人類高手膽顫。由此可見，近年來，人工智能技術隨著硬件、大數(shù)據(jù)、機器學習技術的發(fā)展，取得了長足的進步。

機器學習技術作為人工智能的一個子領域，研究和應用熱潮不減，機器學習將以相同的方式，改變執(zhí)行數(shù)據(jù)運算的方式，減少人工干預的需要，將優(yōu)化的工作交給機器和算法。數(shù)據(jù)處理人員將不再直接控制數(shù)據(jù)，而是通過控制算法間接控制數(shù)據(jù)，基本上來講，需要重復執(zhí)行相同運算的活動都可以受益于機器學習。

機器學習應用離開實驗室，進入市場營銷、銷售和金融等行業(yè)，他既吸引人又充滿挑戰(zhàn)。無疑下一個十年的贏家，將會是那些能夠理解非結構化數(shù)據(jù)，并且能夠基于這些數(shù)據(jù)以可擴展的方式做出決策的公司或個人：除了機器學習，我還沒有看到哪種方式能實現(xiàn)這樣的偉業(yè)。SO, 今天我們就來談談機器學習這項偉業(yè)~

話題討論：

1、  機器學習應用于web入侵檢測方面存在不小的挑戰(zhàn)，其中最大的困難就是標簽數(shù)據(jù)的缺乏，有什么方法、模型或者是思路可以解決這一問題?

2、  通過機器學習以及大規(guī)模數(shù)據(jù)的統(tǒng)計，電腦可以無限逼近人腦的能力么？如果可以，哪些能力是比較容易被逼近的？

3、  在機器學習中有哪些典型的Online算法？或者說，在機器學習中的常用模型中，哪些支持Online算法？

4、  長期用 C++ 和 MATLAB 做機器學習的你，有沒有遇到一個讓你相見恨晚的語言或包？

活動時間：

2017年7月31日—8月25日

活動獎勵：

本期活動，我們將特設1個最佳優(yōu)勝獎，送SACC2017大會門票一張;

同時，我們將會選取5個精彩回復，各送技術圖書《機器學習Web應用》一本；

作者： 【意】Andrea Isoni（愛索尼克）

譯者： 杜春曉 責編： 陳冀康

出版社：人民郵電出版社

ISBN：9787115458520

出版時間：2017-07-01

開本：16開

版次：1

分類： 智能技術 > 機器智能 > 機器學習

購書入口：http://mp.weixin.qq.com/bizmall/ ... e=1#wechat_redirect

樣章試讀：http://www.epubit.com.cn/book/onlinechapter/55998

SACC 2017 來啦~

2017中國系統(tǒng)架構師大會（SACC2017）將于10月19-21日在北京新云南皇冠假日酒店震撼來襲！

今年，大會以“云智未來”為主題，云集國內外頂級專家，圍繞云計算、人工智能、大數(shù)據(jù)、移動互聯(lián)網(wǎng)、產(chǎn)業(yè)應用等熱點領域展開技術探討與交流。本屆大會共設置2大主會場，18個技術專場；邀請來自互聯(lián)網(wǎng)、金融、制造業(yè)、電商等多個領域，100余位技術專家及行業(yè)領袖來分享他們的經(jīng)驗；并將吸引4000+人次的系統(tǒng)運維、架構師及IT決策人士參會，為他們提供最具價值的交流平臺。

官網(wǎng)鏈接：http://sacc.it168.com/index.html#top

購票鏈接：http://sacc.it168.com/goupiao.html

歡迎掃碼 關注SACC官方微信 ，獲取最新信息！

-------------------------------------------------------------------------------

歡迎大家發(fā)帖討論，分享是美德，也希望CU這個平臺帶給大家進步和成長，有任何問題，請站短聯(lián)系！

技術討論，請加QQ群：203848540

ChinaUnix公眾微信：

nail78

1、  機器學習應用于web入侵檢測方面存在不小的挑戰(zhàn)，其中最大的困難就是標簽數(shù)據(jù)的缺乏，有什么方法、模型或者是思路可以解決這一問題?

      這種情況屬于無監(jiān)督學習的范疇，有大量正常的訪問數(shù)據(jù)，web入侵樣本少，且變化多樣，對模型進行學習和訓練困難。一般是根據(jù)大量正常的數(shù)據(jù)建立模型，對模型進行學習和訓練，與正常數(shù)據(jù)不符的數(shù)據(jù)被識別為異常，這樣來判斷是否web入侵。無監(jiān)督學習常用的算法是聚類算法，比如K均值算法等。

2、  通過機器學習以及大規(guī)模數(shù)據(jù)的統(tǒng)計，電腦可以無限逼近人腦的能力么？如果可以，哪些能力是比較容易被逼近的？

      雖然機器學習和人腦的工作原理不一樣，但是很多方面是可以逼近人腦的能力的，象計算就不用說了，早已超過了人腦，其他的的象圖像識別、語音識別、判斷、預測、決策能力，都是有可能逼近，甚至有些能力會超過人腦的。

3、  在機器學習中有哪些典型的Online算法？或者說，在機器學習中的常用模型中，哪些支持Online算法？
      
       比較常見有SGD，基于貝葉斯的等等。

4、  長期用 C++ 和 MATLAB 做機器學習的你，有沒有遇到一個讓你相見恨晚的語言或包？
      
       個人覺得python 這個語言非常適合作為機器學習的語言，語言簡潔，包也比較多。

sjf0115

1、  機器學習應用于web入侵檢測方面存在不小的挑戰(zhàn)，其中最大的困難就是標簽數(shù)據(jù)的缺乏，有什么方法、模型或者是思路可以解決這一問題?

機器學習方法能夠基于大量數(shù)據(jù)進行自動化學習和訓練，對于web入侵檢測而言，其中最大的困難就是標簽數(shù)據(jù)的缺乏。雖然有大量的正常訪問流量數(shù)據(jù)，但web入侵樣本稀少，且變化多樣，對模型的學習和訓練造成困難。因此，目前大多數(shù)web入侵檢測都是基于無監(jiān)督的方法，針對大量正常日志建立模型，而與正常流量不符的則被識別為異常。這個思路與攔截規(guī)則的構造恰恰相反。攔截規(guī)則意在識別入侵行為，因而需要在對抗中“隨機應變”；而基于profile的方法旨在建模正常流量，在對抗中“以不變應萬變”，且更難被繞過。
　　�。�－－　阿里聚安全

2、  通過機器學習以及大規(guī)模數(shù)據(jù)的統(tǒng)計，電腦可以無限逼近人腦的能力么？如果可以，哪些能力是比較容易被逼近的？

就現(xiàn)在機器學習的發(fā)展狀況而言，機器的能力還不能很好的模擬人腦的高級行為，比如人的推理判斷，語言理解等等，在這些領域，人工智能還只處于初級階段．而大規(guī)模數(shù)據(jù)統(tǒng)計方面，計算機是要遠遠超過人類的。

3、  在機器學習中有哪些典型的Online算法？或者說，在機器學習中的常用模型中，哪些支持Online算法？

FTRL，這是目前業(yè)界應用比較廣泛的在線LR算法
Adaptive Online Gradient Descent，在線自適應梯度下降
...

4、  長期用 C++ 和 MATLAB 做機器學習的你，有沒有遇到一個讓你相見恨晚的語言或包？

毫不疑問選擇Python:
(1) 代碼簡潔，容易上手，開發(fā)速度快
(2) 生態(tài)成熟，有很多常用庫
(3) 可視化工具
(4) 機器學習算法包

action08

機器學習是否存在平行域的窮舉盲區(qū)，這個沒有研究過，

Fl_wolf

1、  機器學習應用于web入侵檢測方面存在不小的挑戰(zhàn)，其中最大的困難就是標簽數(shù)據(jù)的缺乏，有什么方法、模型或者是思路可以解決這一問題?

對的！標簽數(shù)據(jù)缺乏，我現(xiàn)在的安全機器人也是缺乏非常多的標簽，我現(xiàn)在想到的辦法就是，自己寫一個web，用一個域名，然后里面存在一堆的漏洞，做成蜜罐。

讓那些HAK把他們有的代碼，操作內容，盡可能的在機器上收集，如果他們把機器當成肉雞，帶寬只有2M，也用不了多少。

2、  通過機器學習以及大規(guī)模數(shù)據(jù)的統(tǒng)計，電腦可以無限逼近人腦的能力么？如果可以，哪些能力是比較容易被逼近的？

人腦。。其實都是一些有規(guī)律的機械運作。。可以，。就算排錯也是可以的。。只要方法那些用神經(jīng)網(wǎng)絡那些寫好算法。。就OK了

3、  在機器學習中有哪些典型的Online算法？或者說，在機器學習中的常用模型中，哪些支持Online算法？

這個還沒有太了解過。。

4、  長期用 C++ 和 MATLAB 做機器學習的你，有沒有遇到一個讓你相見恨晚的語言或包？

MATLAB用的不太多，都是以前大學時候數(shù)學建模時候用的，現(xiàn)在都在用python了�。∪松�苦短，我用python！

fenyun689

1、  機器學習應用于web入侵檢測方面存在不小的挑戰(zhàn)，其中最大的困難就是標簽數(shù)據(jù)的缺乏，有什么方法、模型或者是思路可以解決這一問題?
通過和安全公司合作，和網(wǎng)站合作，獲取數(shù)據(jù)。
用人工智能模擬攻擊。

2、  通過機器學習以及大規(guī)模數(shù)據(jù)的統(tǒng)計，電腦可以無限逼近人腦的能力么？如果可以，哪些能力是比較容易被逼近的？
可以接近。識別類的更容易接近，創(chuàng)造類的不容易。語音識別，圖像識別這類容易接近。

3、  在機器學習中有哪些典型的Online算法？或者說，在機器學習中的常用模型中，哪些支持Online算法？
不知道。

4、  長期用 C++ 和 MATLAB 做機器學習的你，有沒有遇到一個讓你相見恨晚的語言或包？
剛開始了解，正在學習Python。

heguangwu

1、  機器學習應用于web入侵檢測方面存在不小的挑戰(zhàn)，其中最大的困難就是標簽數(shù)據(jù)的缺乏，有什么方法、模型或者是思路可以解決這一問題?
這個是否可以用異常檢測，正常訪問的特征符合某個某個分布（如高斯分布），那么異常判斷就比較好做了（在模型的兩側），這樣極大的縮小了范圍，再在這個范圍內再采取其它方式應該比較容易得到答案

2、  通過機器學習以及大規(guī)模數(shù)據(jù)的統(tǒng)計，電腦可以無限逼近人腦的能力么？如果可以，哪些能力是比較容易被逼近的？
基本上可以認為能無限逼近，且個人認為主要是總結計算類的比較容易逼近，如識別手寫字或圖片中的某個物品、導航路徑規(guī)劃、語音識別

3、  在機器學習中有哪些典型的Online算法？或者說，在機器學習中的常用模型中，哪些支持Online算法？
沒接觸過

4、  長期用 C++ 和 MATLAB 做機器學習的你，有沒有遇到一個讓你相見恨晚的語言或包？
必須說Python，越來越強大，另外就是spark，已經(jīng)涵蓋了很多ML的庫并有人在上面實現(xiàn)了大量的如深度學習的包

東風玖哥

1、機器學習應用于web入侵檢測方面存在不小的挑戰(zhàn)，其中最大的困難就是標簽數(shù)據(jù)的缺乏，有什么方法、模型或者是思路可以解決這一問題?
這個問題可以用逆向思維解決，既然難以獲得web入侵代碼的標簽特征，就把不符合正常代碼的標簽特征都視為可疑即可。

2、通過機器學習以及大規(guī)模數(shù)據(jù)的統(tǒng)計，電腦可以無限逼近人腦的能力么？如果可以，哪些能力是比較容易被逼近的？
（1）圖像識別
（2）自然語言識別
（3）股票預測
（4）輿情分析

3、在機器學習中有哪些典型的Online算法？或者說，在機器學習中的常用模型中，哪些支持Online算法？
（1）貝葉斯算法
（2）梯度優(yōu)化算法
（3）概率模型
（4）神經(jīng)網(wǎng)絡
（5）深度學習

4、長期用 C++ 和 MATLAB 做機器學習的你，有沒有遇到一個讓你相見恨晚的語言或包？
我不用C++ 和 MATLAB做機器學習，如果問Python有哪些代碼段或包我倒是可以回答

c3po

1、機器學習應用于web入侵檢測方面存在不小的挑戰(zhàn)，其中最大的困難就是標簽數(shù)據(jù)的缺乏，有什么方法、模型或者是思路可以解決這一問題?
這個問題無論用白名單法還是黑名單法，都需要人類輸入大量有效的識別模式，對破壞性入侵比較好識別，潛入型的尤其是身份冒用就比較難，不知道人類行為分析那方面能不能提供一些幫助。

2、通過機器學習以及大規(guī)模數(shù)據(jù)的統(tǒng)計，電腦可以無限逼近人腦的能力么？如果可以，哪些能力是比較容易被逼近的？
封閉環(huán)境，模式有限場景機器有優(yōu)勢，下棋，圖像/人臉識別，金融/股市指標分析是機器大數(shù)據(jù)分析的強項，執(zhí)行效率血肉之軀萬萬比不上。自然語言分析和輿情分析，其效率就看專家對識別模式的精煉程度。

3、在機器學習中有哪些典型的Online算法？或者說，在機器學習中的常用模型中，哪些支持Online算法？
還沒研究^_^

4、長期用 C++ 和 MATLAB 做機器學習的你，有沒有遇到一個讓你相見恨晚的語言或包？
python

我認為，目前機器學習不過是從老師怎么教小學生用拼音進化到怎么教老師去教小學生用拼音而已。
機器學習遇到的挑戰(zhàn)實際上就是我們程序猿攻城獅們的挑戰(zhàn)。
對人類專家的責任和技能要求更高，教小學生拼音直接獲得反饋，教老師去教小學生用拼音，還是得從小學生那獲取反饋來認真校驗，不然有請終結者大大來清場！

dorodaloo

4、  長期用 C++ 和 MATLAB 做機器學習的你，有沒有遇到一個讓你相見恨晚的語言或包？

實際上就是megapro
通過機megapro電腦可以無限逼近人腦的能力