1.机器学习介绍（李宏毅深度学习task1）

1. 人工智能、机器学习、深度学习之间的区别和联系

1. 人工智能是我们最终要达到的目的，为机器赋予人的智能
2. 机器学习是我们达成目的的一种手段
3. 深度学习是机器学习中的一种方法，它指的是涉及到深度神经网络的机器学习算法
4. 三者的关系：人工智能 > 机器学习 > 深度学习

2. 机器学习的定义

机器学习是一门人工智能的科学，该领域的主要研究对象是人工智能，特别是如何在经验学习中改善具体算法的性能。
本质上就是通过程序让机器具备学习的能力，大量数据来训练机器，最终得到一个学习后的模型。

3. 机器学习任务的类别

1. 分类任务（Regression）：需要我们输出连续值的机器学习任务
2. 回归任务（Classification）：需要我们输出离散值的机器学习任务

4. 机器学习的相关技术

4.1 监督学习（supervised learning）

1. 定义：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
2. 特征：所用训练数据都是被标记过的

4.2 半监督学习（SSL）

为了减少监督学习中给训练数据做标记的工作量，是监督学习与无监督学习相结合的一种学习方法

1. 定义：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。
2. 特征：训练数据中有部分数据是有标记的，有部分数据没有标记

4.3 迁移学习

1. 目的：将某个领域或任务上学习到的知识应用到不同的但相关的领域或问题中
2. 主要思想：利用相关领域的知识完成目标领域的任务
3. 意义：
   1. 数据的标签很难获取
   2. 从头建立模型是复杂和耗时的

4.4 无监督学习（Unsupervised learning ，UL）

1. 定义：根据类别未知 (没有被标记)的训练样本解决模式识别中的各种问题
2. 特征：训练数据都是无标记的
3. 特点：
   1. 无监督学习没有明确的目的
   2. 无监督学习不需要给数据打标签
   3. 无监督学习无法量化效果

4.5 强化学习（Reinforcement Learning, RL）

1. 定义：强化学习是智能体（Agent）以“试错”的方式进行学习，通过与环境进行交互获得的奖赏指导行为，目标是使智能体获得最大的奖赏
2. 基本模型：设置一个类似游戏的情景，算法会通过反复试验的方法来执行动作，并解决问题。对每一次试验与执行的动作，会设置对应的奖励，有时候也会有惩罚，算法最终的目标就是找到能够使奖励最大化的行动方案。

4.6 监督学习中的结构化学习

Structured Learning不是一种具体的技术，只是一种描述问题，分析问题的方法。
具体地说，Structured Learning 中让机器输出的是要有结构性的