视频链接:https://www.bilibili.com/video/BV1JE411g7XF
[注]:图中不同颜色区域表示对应算法的函数寻找范围。
- Regression:函数输出为数值
- Classification:分类
- Supervised Learning:有监督学习,需要给机器做一些训练,需要有Labeled Data;
- Loss:损失函数,评价函数好坏,结果越小越好;机器需要找出Loss最低的函数;
- Reinforcement Learning:强化学习;
- Unsupervised Learning:无监督学习,给机器一堆数据,数据没有标注;
- 函数的寻找方法:Gradient Descent梯度下降;
- Explainable AI:例如,辨识出图片里有一只猫,为什么是一只猫,理由是什么?
- Adversarial Attack:对抗攻击,添加专门针对机器所设计的噪音,使得机器得到的结果出错;
- Network Compression:网络压缩,模型太大,将模型压缩,使之能放到更小的设备上;
- Anomaly Detection:异常检测,例如,在判别是哪种动物的系统中输入不是动物的图片(人的图片);
- Domain Adversarial Learning:迁移学习;
- Meta Learning:元学习,学习如何学习;
- Life-long Learning:终身学习;