第一节

总结：在第一节课程中，老师主要讲解了课程的一些规则，这些当然与我们无关，然后介绍了机器学习与我们的生活息息相关，比如各大网站的推荐系统，邮件的扫面系统等等
接着介绍了课程主要讲一下四个方面：并做了简要的解释：
1.监督学习：给定标准输入与输出，然后在去学习，有回归和分类两种，
2.学习理论：判定每个算法在何种情况下是可用的，成立的
3.非监督学习：没有给定标准输出，有程序自己聚类学得，举了一个鸡尾· 酒会的声音辨别的例子；
4.强化学习：需要做出一系列决策的过程，背后的基本概念是一个回报函 数的概念，例如：训练一只狗，如果它表现的好，你要给他回报， 鼓励它。可以应用在机器人的学习中，还可以有网页爬虫等。
定义：学习问题：一个计算机程序给他一个任务T与一个性能测量方法P，如果在经验E的影响息啊，P对T的结果没有改进，那么就说该程序从E中学习；
第一天课程，只是简单的介绍了机器学习，和课程内容，后续会进行深度的讲解。