《深度学习》李宏毅 -- task7总结

总结：

进一步学习机器学习基础，希望以后有机会多多实践，为以后进入这个领域做准备。

学习内容：

01-机器学习介绍
介绍机器学习的概念，监督学习，无监督学习，迁移学习，强化学习等概念

02-回归
介绍回归的概念，应用，线性回归，利用损失函数进行模型评估，使用梯度下降法拟合模型

03-误差和梯度下降
介绍偏差与方差，欠拟合与过拟合，交叉验证方法，梯度下降优化（学习率调节，随机梯度下降法，特征缩放等）

04-深度学习反向传播机制
介绍神经网络的构建，模型的评估，优化函数选择，梯度下降反向传播机制

05-网络设计技巧
介绍局部最小值与鞍点、批次与动量、自动调整学习率等
06-卷积神经网络
介绍CNN的特点，作用，与全连接的关系，卷积、池化的操作，CNN应用的场景

1. 初识机器学习

机器学习是让机器有自己学习的能力，是通过人类编写程序去实现这种能力的。
机器学习的技术多种多样，主要分为监督学习（分类、回归）、半监督学习、迁移学习、无监督学习和强化学习。