人工智慧——目标
机器学习——手段
深度学习——方法
人工智慧:
Hand-crafted rule缺点:机器永远无法超过人
之前:人为设置机器应该输出什么
选择:让机器拥有学习能力 looking for a function
机器学习大致流程:
本课程学习图
监督学习
Regression:当一个机器学习通过function最后输出是一个数,就称为回归问题
Training data:训练模型时需要的数据
Classification:分类问题,又分为二分类和多分类。
Deep Learning:深度学习是机器学习中的一个常见的非线性模型
监督学习特点 1)需要大量training data
2)training data告诉input和output关系
3)output需要人工力量标注,称为label
半监督学习:有少量labeled数据和大量unlabeled数据,期望从label的学习中对unlabeled数据完成学习。
迁移学习:需要完成猫狗分类,但给的数据是一堆与猫狗无关的labeled或者unlabeled数据。
无监督学习:无师自通
Structured learning:使机器输出是具有结构性的。
Reinforcement learning:强化学习,例如Alpha Go。