本文概述了机器学习的发展历程，重点介绍了两个关键时期：19世纪80年代的概率论基础的机器学习，以及2010年后的深度学习。机器学习旨在模拟人类能力，如图像和语音识别，其核心是寻找输入与输出间的映射函数。学习过程分为函数集选择、训练数据评分和最佳函数选择。机器学习任务包括回归、分类和结构化学习，其中分类又分为二元和多元。此外，文章还提到了强化学习，它依赖于反馈调整策略以达到最优解。
好了，今天开始了李宏毅先生机器学习课程的自学，千里之行始于足下，P1介绍篇章是一个介绍性的概括章节，主要讲清楚了这门学科的几个基本问题。
总结起来这一节主要说了两个问题，when & what，如下图1所示是机器学习发展的大致脉络，就我看来主要有两个时间点，第一个是19世纪80年代，此时AI界开始使用机器学习的方法来实现人工智能的目标（个人理解是放弃了handcrafted的规则推导，使用的是以概率论为基础的机器学习），第二个是2010年左右开始的深入，提出了深度学习的概念，是在基础的机器学习模型/方法上提出了新的模型和方法，用于解决更复杂的场景问题。
图1
在了解了机器学习学科发展的时间脉络的基础上，接下来介绍的是机器学习是什么的议题。从目的来看，机器学习是让机器拥有人的能力，比如识别图像，识别文字亦或是识别语音，如下图2
图2
把这个问题转化一下，其实就是一个映射，无论是从图像到猫的映射，还是文字到语义的映射，其本质就是一个
最低0.47元/天 解锁文章
扫一扫
448
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
