TASK01：机器学习介绍及心得

        机器学习是指让机器具有学习的能力。机器学习是人工智能的一部分也是实现人工智能的一种手段，而深度学习是机器学习的其中一种方法（也是目前非常流行的机器学习习方法），深度学习一般分为自然语言处理（NLP）和计算机视觉（CV），他们的实现往往需要借助于神经网络，神经网络同时也是机器学习的一种方法。

        提起人工智能，就不得不提到人工智能的三大主义：符号主义、连接主义、行为主义。简单来讲，符号主义就是将问题符号化（数学化），让计算机通过具体的数学公式去解决所有问题，典型的例子有曾经大火的专家系统，不过现在的符号主义已经逐渐没落。连接主义，也是当下最为流行的存在，主张模拟人类大脑为计算机构建神经网络，让计算机自己学习。而行为主义，则是通过对外界的感知来进行下一步操作，如果说连接主义是让计算机构建非条件反射的话那行为主义就是构建条件反射。

在我看来，各种理念应当各取所需，再正确的观点也仅仅适用于当下而已，就像当初计算机计算性能较差的时候，大家都认为符号主义才是正确的，但现在随着硬件的飞速发展，连接主义在当前阶段很多方面都能远超符号主义。然而，未来的事谁都说不准，在海量的数据下让计算机自主学习，硬件的发展赶得上吗？或许让计算机也像人类那样学会求学会更好？这些都说不准。所以，我认为机器学习不仅要有自己的立场，还要打开格局，否则很容易陷入死胡同，毕竟在这个发展的时代，变化实在是又快又大。

        讲完历史后，就该进入到机器学习的实现流程了。机器学习，无非就是一个训练模型的过程，只不过是一种非常偷懒的方法，因为你只要告诉计算机大的方向，那些细枝末节就会让计算机来帮你计算。比如构建一个分类模型后，你需要将多数数据作为训练集，再将剩下数据分为一部分或者两部分（商业需求一部分在客户手里防止把测试集也当做训练集作弊）作为测试集，通过修改一些参数（例如下降梯度）来对数据多次训练最后选出所有模型中效果最好的模型。