被称为“机器学习之父”的Michael I. Jordan教授上周（9月12-14日）在清华进行了为期三天的校内公开课，面对清华同学分享了他在伯克利AMP Lab和RISE Lab的最新研究成果。
Jordan教授本次亲自上阵授课实属难得，为保证教学质量，本次系列课程也只面向清华学生开放，且不设录像直播，颇为珍贵。据大数据文摘了解，Jordan教授授课风格颇传统，全程抛弃多媒体设备，手写版书公式。本次讲座内容由机器学习方法和系统组成，主要涉及概率图模型、统计推断和模型评判，以及大规模机器学习的分布式优化算法和计算框架，为清华学生分享了大量干货。
Michael I. Jordan教授课堂风格
大数据文摘联合清华数据派收集到了现场珍贵的干货笔记，后台回复关键词“MJ”，下载Michael本次系列讲座笔记完整版。
据了解，这是Jordan教授第一次以杰出访问教授的身份到清华开设课程，之后两年的秋季学期，Jordan教授都会回到清华进行授课，并挂靠软件学院开展各项具体工作，指导大数据系统软件国家工程实验室各个研究组的工作。想要聆听大神课程的同学，现在报考清华还不晚，文摘菌只能帮你到这里了。
周日晚，Michael教授还为清华2017级新生进行了一次面对面的答疑，详细回答了现场听众从机器学习发展瓶颈，到学术发展建议等十多个问题。座谈会主办方是清华大学软件学院，现场出席嘉宾有：软件学院院长王建民，交叉信息研究院助理院长徐葳。软件学院龙明盛老师担任主持。大数据文摘有幸到场聆听了本次座谈会，并独家对话了Jordan教授关于机器学习在业内的发展情况。
现场同学对人工智能非常好奇，Jordan教授为此做了耐心解读。
关于“人工智能有情商吗”？他的解读是，机器人不需要产生感情，因为有感情的人类已经够多了，它们要去做一些人类做不了的事情，例如海量数据分析。当然我们可以让机器理解一些预设的规则，用技术手段去协助视力或听觉受损的人实现便捷的交互。
而当被问及“人工智能是怎么学习的”？Jordan教授回答说，电脑不像人类一样用抽象概念学习不同领域的知识，电脑运用的是数学手段。电脑可以学习并运用不同领域的知识，但是领域间不能差异太大。智能翻译和推荐系统就是很好的例子，都是通过类比相似数据得出结果。
也有同学对于Geoffrey Hinton近日提出的对反向传播的质疑颇感兴趣。
反向传播算法（Back Propagation）是一种适用于含有隐含层的神经网络进行权重调整的梯度推算算法，但是事实上这种算法并非人脑工作机制。近日，发明反向传播算法的Hinton提出这种“不自然”的算法可能是让机器学习不能达到真正智能的原因，并且应该尝试抛弃BP另起炉灶，这种想法也得到了李飞飞等人的支持。
对于这种重新开始的趋势，Jordan教授有另一种的看法：我们对人脑的了解有限，因此无法得到一种模仿人脑神经元的算法；反观“不自然”的BP算法，神经网络在使用BP算法之后的确有了非常好的发展，更何况经过多年尝试，得到神经网络训练中需要的隐含层梯度的方法中，BP是独一无二的。这种高效的人脑无法实现的功能在Jordan看来是一个优势，应该被保留。
当被问及机器学习在工业界的应用时，Jordan教授介绍说其实很多行业都有惊人数量的机器学习应用，比如亚马逊的反欺诈系统和供应链管理。
“常规的信用卡欺诈率是3%，也就是所有交易量的3%存在被盗风险。当亚马逊开始做电商的时候，每天有1千万美元的交易量。如果其中3%是欺诈的话， 那欺诈的量就非常大了。于是亚马逊将交易分类标注为“欺诈”或“非欺诈”。从而在过去20年将系统欺诈率控制在0.01%以内。在此基础上，亚马逊开始快速发展。”
“我在美国要买一台冰箱，一周内能送到。这就要求冰箱不能在我下单的时候才从印度装船，对吧？需要考虑要怎么样才能保证5个月前冰箱会被造出来然后装船，并被送到正确的地址和正确的人手里。这事儿没有看起来那么简单。假如印度洋上遇上了台风，船只不能运作了，怎么办？人类无法做这些规划，但统计机器学习可以，你可以用算法以及所有的数据，看所有信息包括船只建造材料等等，来做出预测。就这样，上亿人都可以买到他们想要的货物。阿里巴巴也在做这件事情。”
“滴滴和优步，这些公司都是基于机器学习的：预测正确的车辆怎样在正确的时间到达正确的地点，以及其相应的价格。”
他表示，除了电子商务以及互联网、金融行业，机器学习未来在各个行业都会应用，比如娱乐业甚至农业，因为许多公司积累了大量的数据。
最后，Jordan教授面向全体大一新生，谈到了如果想未来从事机器学习，应该掌握哪些领域的知识。
他说，人类一直在创造新的知识领域，所以保持一直在学习的状态非常重要。
”我一直在读书，读各种各样我不了解的领域的书。而且就算在数据科学和机器学习领域，我要学的还有很多很多。”
“计算机科学、统计学和最优化方法。为了应对现实世界的不确定性，你们还需要了解一点经济学、运筹学。我也建议你们学习人文学科：艺术、文化、历史、社会科学……大学只有四年，之后你们可能还会读硕士博士，但是那之后呢？”
Jordan教授建议学生们利用好自己的老师，主动寻求老师的建议。他鼓励同学们不要全部选“别人都在选”的课，不要和十年前的学生一样，而是要有自己的风格。
他鼓励同学们说，“如果你们只选计算机系的课的话，我不会要你们来读我的博士的。尽管去学物理或者法语吧，这代表你对知识的好奇。做你们自己，开创你们自己的道路。”
Michael I. Jordan教授现执教于加州大学伯克利分校，任电气工程与计算机科学系和统计系杰出教授，实时智能决策计算平台实验室（RISELab）共同主任、统计人工智能实验室（SAIL）主任、统计系系主任。Jordan教授长期引领着机器学习、统计学的理论、方法与系统研究，是贝叶斯网络、概率图模型、层次随机过程等多个重要方向的主要奠基者之一，也是统计学与机器学习交叉融合的主要推动者之一。Jordan教授是美国科学院、美国工程院、美国艺术与科学院三院院士，是机器学习领域唯一一位获此成就的科学家。吴恩达等都是他的学生。
第三十六届CIO班招生
国际CIO认证培训
首席数据官（CDO）认证培训
责编：houlimin
免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。
抢沙发
