Task01 最浅显易懂的 PyTorch 深度学习入门

机器学习介绍

一、名词理解

人工智慧。在1950年代，人工智慧(AI)、Artificial Intelligence这个词汇就有了。AI意味着一个人类长远以来的目标，希望机器可以跟人一样的聪明。
机器学习。1980年代以后，开始出现了机器学习方法——让机器具有学习的能力的一种方法。
机器学习跟人工智慧之间的关系。人工智慧是我们想要达成的目标，而机器学习是想要达成目标的手段，希望机器通过学习方式，它跟人一样聪明。
深度学习和机器学习的关系。深度学习就是机器学习的其中一种方法。机器怎样表现的很有智慧，1.通过后天学习的手段，2.它的先天本能。机器为什么会有先天本能，可能就是他的创造者，本质都是人类，帮它事先设立好的。

二、机器学习

2.1 概念

机器学习就是让机器有自己学习的能力。即写段程序，让机器人变得很聪明，他就有学习的能力。接下来，就像教一个婴儿、教一个小孩一样的教他，并不是写程序让他做到这件事，而是写程序让它具有学习的能力。

2.2 工作流程

• 1.找一个function。
• 2.让机器衡量这个function好还是不好。
• 3.让机器自动选择，从好的演算法中挑出最好的function。

2.3机器学习相关的技术

2.3.1监督学习

2.3.1.1回归

当machine找到的function，如果它输出的结果是一个标量（scalar），这个叫做回归（regression）。

2.3.1.2分类

当machine找到的function，如果它输出的结果是一个数值，这个叫做分类（classification）。一般Classification问题分成两种，一种叫做二分类，输出的是是或否（Yes or No）；另一类叫做多分类（Multi-class），在Multi-class中是让机器做一个选择题，等于给它数个选项，每个选项都是一个类别，让它从数个类别里选择正确的类别。

2.3.2半监督学习

supervised learning（监督学习）需要大量的训练数据（training data），training data要找function的input和output之间的关系。如果在监督学习下进行学习，需要告诉机器function的input和output是什么。这个output往往没有办法用很自然的方式取得，需要人工的力量把它标注出来，这些function的output就叫做label。
半监督学习是考虑如何利用少量的标注样本和大量的未标注样本进行训练和分类的问题，就可以减少label需要的量。在半监督学习的技术中，部分没有label的data，可能也对学习有帮助。

2.3.3迁移学习

迁移学习是一种机器学习方法，就是把任务 A 开发的模型作为初始点，重新使用在任务 B 开发模型的过程中。它是通过从已学习的相关任务中转移知识来改进学习的新任务的过程。
假设要做猫和狗的分类问题，只有少量的有label的data。现实是有大量的data（可能有label也可能没有label），但是跟要考虑的问题没有什么特别的关系。我们的目的是要分辨猫和狗的不同，但是这边有一大堆其他动物的图片，而且还是动画图片（凉宫春日，御坂美琴），那么这一大堆不相干的图片，它到底可以带来什么帮助呢？这个需要迁移学习来解决。

2.3.4无监督学习

无监督学习(unsupervised learning):常用于处理未被分类标记的样本集。例如：假设我们今天带机器去动物园让它看一大堆的动物，仔细看了大量的动物以后，它就可以自己的画一些狗出来，有眼睛长在身上的狗、还有乳牛狗等等。

2.3.5强化学习

强化学习(Reinforcement Learning, RL)，又称再励学习、评价学习或增强学习，是机器学习的范式和方法论之一，用于描述和解决智能体(agent)在与环境的交互过程中通过学习策略以达成回报最大化或实现特定目标的问题 。

为什么要学机器学习?

机器学习的到来，出现了一个新的职位——AI训练师。

• 1.AI训练师可以为机器挑选合适的模型（model）和损失函数（loss function）。不同的model和loss function适合解决不同的问题。
• 2.AI训练师可以处理部分最佳化比较困难的模型。
• 3.厉害的AI，AI训练师功不可没，所以让我们一起朝AI训练师之路迈进。