原视频B站地址:小飞机
Github 地址:小飞机
提示:以下文章可能出现格式错误!,作者是直接到处markdown格式复制的,如果需要请转到Github 下载PDF版本或者直接载入Bear版本
P1 机器学习
机器学习就是让机器自动寻找函数
exp:
语音识别
输入一段语音 ====> 输出一段文字
语音辨识
输入一张图片 ====> 输出一个物品
…
Q:你想要找什么函数?
1.Regression (数字)
让机器预测第二天到 PM 2.5值
Q:找到一个函数 能通过前几天到PM2.5 自动输出明天的PM2.5
2.Binary Classification (两个选项) 机器只输出Yes/No
Q:正面还是负面
3.Multi-class classification (超过两个选项)
定义好N个选项 , 机器选择一个正确的选项
4.Generation 生成 文句 图片 等等。。。
翻译作业 画二次元 。。。
怎样告诉机器你想要找什么函数
Supervise Learning (监督学习)
如何告诉机器怎么样找呢?
我们需要 Labeled Data (训练资料) 比如 一大堆问题 和 问题理想的问题
当机器获得训练集后如何学习?
你需要给定一个函数的 ::Loss:: 来让机器判断这个函数是好还是不好
Reinforcement Learning (强化学习)
Supervised VS Reinforcement :
Supervised:
例子:围棋
你需要给出的训练集为 一个任意的棋局 和 一个理想解
其中存在两个问题 :任意棋局数量太大不可计算,理想解是否存在
Reinforcement Learning
Reinforcement:
例子:围棋
机器自己跟自己下或者跟别人下
赢了: 成为一个Win训练集
输了:成为一个Lose训练集
深度学习方式不唯一
Alpha Go is Supervised + Reinforcement Learning
Unsupervised Learning (无监督学习)
常用例子:分类
机器如何找出你想要的函数
- 函数寻找范围
Network Architecture 定义机器搜寻的范围 有如下两种方式
- RNN
- CNN
- 函数寻找方法
Gradient Descent
前面会自己写寻找方法
后面会使用 Deep Learning Framework (使用现成的算法) 来完成作业
还会有 Pytorch 学习
- 前沿方向:
Explainable AI (可解释的人工智能:给出判断理由)
Adversarial Attack (对抗性攻击):人类怀着恶意攻击AI系统,会发生什么。
Network Compression (网络压缩) : 把机器学习的网络缩小 让他放到手机上等等
Anomaly Detection (异常情况检测) : 检测非法操作
Transfer Learning (Domain Adversarial Learning) 转移学习,领域对抗学习
Meta Learn = Learn to Learn 让机器自己学习机器学习
Life-long Learning 终生学习 Never Ending Learning !