1.  机器学习

机器学习最基本的做法，是使用算法来解析数据、从中学习，然后对真实世界中的事件做出决策和预测。与传统的为解决特定任务、硬编码的软件程序不同，机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。

举个简单的例子，当我们浏览网上商城时，经常会出现商品推荐的信息。这是商城根据你往期的购物记录和冗长的收藏清单，识别出这其中哪些是你真正感兴趣，并且愿意购买的产品。这样的决策模型，可以帮助商城为客户提供建议并鼓励产品消费。

机器学习直接来源于早期的人工智能领域，传统的算法包括决策树、聚类、贝叶斯分类、支持向量机、EM、Adaboost等等。从学习方法上来分，机器学习算法可以分为监督学习（如分类问题）、无监督学习（如聚类问题）、半监督学习、集成学习、深度学习和强化学习。

传统的机器学习算法在指纹识别、基于Haar的人脸检测、基于HoG特征的物体检测等领域的应用基本达到了商业化的要求或者特定场景的商业化水平，但每前进一步都异常艰难，直到深度学习算法的出现。

任务说明

以每次发布测评正式发布的任务说明为准。

作品要求

作品主要包括制作完成的实物、开发的软件系统、设计方案及系统原型等。

作品使用的设备、器材、编程平台、外观和材料不限。以个人/集体（2-3人）为单位完成作品，可有1-3位辅导老师。

作品提交

作品提交学会素养测评工作组网站AICE.caa.org.cn。

提交要求

研究报告：格式不限，中英文皆可，word/pdf格式，字数至少2000字。

附件：硬件清单、软件源代码、研究日志、实验记录等。

视频：不超过1分钟，展示实物模型的功能和创新点。

作品评审

测评工作组组织评审委员会对作品进行线上或者线下评审。

评审过程为现场展示+项目问辩。

通过评审后，作者将获得学会颁发的等级证书。