Datawhale-2021年10月组队学习-李宏毅机器学习打卡

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