李宏毅深度学习笔记打卡P1-P2

李宏毅深度学习笔记打卡P1-P2

机器学习介绍

人工智慧是想要达成的目标，机器学习是实现人工智能的手段，深度学习是机器学习的一部分。

机器学习=从数据中寻找一个程式
eg：

框架

1、准备一个程式集合，即模型（成千上万个程式）
2、训练资料，告诉机器看到某个输入应该输出什么 （用以判断一个模型的好坏），找到最好的程式

本课程将学习的内容：
scenario取决于数据形式，输出不同用不同的task，在task中有不同的method。

回归：输出是一个数值
eg：
预测明天上午的PM2.5：

分类：二元分类输出是或否，多元分类从数个类别中输出其中一类
eg：
是否为垃圾邮件：

文件分类：

半监督学习：
一部分数据有标签，另一部分数据没有标签

迁移学习：
我们可以将做transfer learning的数据分成两类，一类是source data，另一类是target data。 source data指的是额外的数据，与将要解决的任务并不直接相关，而target data是与任务直接相关的数据。

无监督式学习：无监督学习是没有明确目的的训练方式，你无法提前知道结果是什么。无监督式学习数据无标签。
结构学习：输出有结构的东西{比如听一段语音输出这一句话）
强化学习：

为什么要学习机器学习？

随着AI的出现，会出现一个新的工作，AI训练师，AI训练师要为机器挑选合适的模型和损失函数，不同的模型和损失函数适合解决不同的问题。