艺术照美姿从 1642 年 Pascal 发明的手摇式计算机，1949 年 Donald Hebb 提出的赫布理论——解释学习过程中大脑神经元所发生的变化，都蕴含着机器学习思想的萌芽，到 1950 年图灵在关于图灵测试的文章中提及机器学习的概念。

　　再到 1952 年， IBM 的Arthur Samuel（被誉为“机器学习之父”）设计了一款可以学习的西洋跳棋程序，塞缪尔用这个程序推翻了以往“机器无法超越人类，不能像人一样写代码和学习”这一传统认识，并在 1956 年正式提出了“机器学习”这一概念。

　　在机器学习发展的历史长河中，众多优秀的学者为推动机器学习的发展做出了巨大的贡献。

　　今天，Dr.蒜为各位分享清华大学人工智能研究院发布的《人工智能之机器学习》的研究报告，对机器学习发展历程、代表性专业技术、学者概况、发展趋势及应用现状等内容进行深入的梳理和概括。

　　作为 THU AI TR 系列报告，《人工智能之机器学习》以 AMiner 科技情报大数据挖掘服务平台为基础，聘请领域内专业学者为顾问，采用人工智能自动生成技术，以严谨，严肃，负责的态度，提供深刻的科技洞察报告。

　　机器学习报告的主要内容包括：概述篇、技术篇、深度学习篇、论文解读篇、人才篇、应用篇、趋势篇、开放资源篇等。

　　代表性技术：机器学习是人工智能的一个重要领域，其关键技术受到越来越多的关注，技术篇内容梳理了机器学习领域的众多关键技术及其进展，整理了专家的观点意见。

　　深度学习发展脉络：深度学习是近 10 年机器学习领域发展最快的一个分支，最近 30 年来取得快速发展，深度学习篇内容总结了深度学习的 4 条主要脉络，介绍了深度学习的代表性技术以及近期的重大进展。

　　人才分析：可视化展示人才分布，构建学者画像，助力理清现有人才情况，辅助拟定未来发展及人才引进方向。

　　应用现状：随着机器学习能力的增强和技术的发展，其应用前景也十分广泛，应用篇介绍了机器学习在金融、自动驾驶、健康与医药、零售业、制造业等领域应用。

　　趋势分析：AMiner 领域技术分析系统可以基于超过 2 亿篇论文的数据进行深入挖掘，对技术趋势、国际趋势、机构趋势及学者趋势等方面进行分析。

　　开放资源：资源篇中搜集整理了机器学习领域的若干开放资源，助力读者朋友更好地学习和了解机器学习。