机器学习是一门无需深入了解编程就能使计算机自动执行任务的技术。在过去十年中，这项技术为我们带来了自动驾驶汽车、实用的语音识别、高效的网络搜索，以及对人类基因组的深入理解。如今，机器学习已经变得如此普遍，以至于人们可能每天都会用到它而浑然不知。许多研究人员还认为，这是实现接近人类水平的人工智能的最佳途径。

在本专栏中，您将学习最有效的机器学习技术，并掌握如何将这些技术应用于实际问题。除了理论基础，您还将获得快速高效地应用这些技术的能力。此外，您还将了解到一些硅谷在创新方面的成功经验，特别是那些与机器学习和人工智能相关的领域。

专栏将涵盖机器学习、数据挖掘和统计模式识别等内容。具体主题包括：

1. 监督学习：涵盖参数和非参数算法、支持向量机、内核方法以及神经网络。
2. 无监督学习：包括聚类分析、降维技术、推荐系统以及深度学习。
3. 机器学习的最佳实践：探讨偏差/方差理论以及机器学习和人工智能的创新流程。

本课程还将结合大量案例研究和实例，帮助您学会如何利用学习算法构建智能机器人（如感知和控制）、文本理解（如网络搜索和垃圾邮件过滤）、计算机视觉、医疗信息学、音频处理以及数据库挖掘等领域中的应用。