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。