李宏毅机器学习打卡
Task01
参照开源文档,观看视频 P1-2:机器学习介绍
在视频P1中,李宏毅老师对机器学习进行了整体概括性的介绍。
相关概念的包含关系为:(人工智能(机器学习(深度学习)))
目前其实很多的人工智能并不是真实意义上的智能,而是“hand-crafted rules”,是由大量的if结构组成的,这样其实计算机是无法真正做到学习的行为,也就永远无法超越人类。我十分同意李宏毅老师的一个观点“机器学习发展,对比较小规模企业反而是更有利的,因为接下来,不需要非常大量的人来帮你想各式各样的规则,只要手上有data,你可以让机器来帮你做这件事情”。
通过课程学习,重新明确了深度学习模型的训练、验证、应用流程:
进一步学习理解了机器学习相关技术的含义及关系:
机器学习任务基本分为三类:回归问题、分类问题和结构化学习问题。
回归问题的输出为数值,分类问题的输出为类别,结构化学习的输出为结构性的object。
根据拥有数据情况的不同,训练模型的方式可以分为:监督学习、半监督学习、迁移学习、无监督学习和强化学习。
监督学习:利用一组已知类别的样本调整分类器的参数,使其达到所要求性能的过程。
半监督学习:使用大量的未标记数据,以及同时使用标记数据,来进行模式识别工作。
迁移学习ÿ