Datawhale AI夏令营 — 学习笔记

机器学习 基础

机器学习就是让机器具有学习的能力。就是让机器具备寻找一个函数的能力。比如说，我们需要一个函数，这个函数可以输入声音来输出文本信息。这个函数很明显十分复杂，无法通过人力去写出来，因此想通过机器的力量自动把这个函数找出来。当年震惊世界的AlphaGo也可以看作是一个函数，输入的是棋盘上黑子与白子的位置，输出的是机器下一步应该落子的位置。

机器学习 类别

1.回归(regression)：要找的函数的输出是一个数值，一个标量(scalar)；
2.分类(classification)：从设定好的函数里面选择一个当作输出；
3.结构化学习(structured learning)：让机器产生有结构的东西的东西。

机器学习 本质

书中说的是机器具有学习的能力，去找到一个函数。这样的表达侧重于框架，通过函数的映射来实现输入到输出的转化，这样理解很棒。尤其对于已经有编程和算法以及数学基础的人来说，这样的表达再适合不过了。

深度学习的核心

深度学习的核心在于构建多层次化的表示来实现对数据的高度抽象和特征的学习。

深度学习的核心依赖更强大的计算机，更大的数据集，以及更深的网络技术。

在芯片方面，我们国家被针对，短期可能难以解决，我们作为普通人，要有数据收集归纳的意识，在这里，我一直跟我家人有强调:AI时代的到来，不必恐慌，作为普通人，我们可以收集整理生活和工作中遇到的难题，这样可以为AI提供有价值的数据，同时，也可以让AI更加贴近生活。那么更深的网络技术，就需要算法方面的优化，模型构建方面的专业知识，我感觉到很多人对这方面有浓厚的兴趣，虽然专业技术方面不是我的兴趣领域，但我很开心，几乎一大半热爱AI的人都对专业技术方面感兴趣。