李宏毅《机器学习》｜1. Introduction of this course（机器学习介绍）

Author：AXYZdong

自动化专业 工科男

有一点思考，有一点想法，有一点理性！

定个小小目标，努力成为习惯！在最美的年华遇见更好的自己！

更多精彩文章前往：👉 个人主页

一、人工智能、机器学习和深度学习

• 人工智能（Artificial Intelligence） $\to$ 目标

• 机器学习（Machine Learning） $\to$ 手段

• 深度学习（Deep Learning）$\to$ 机器学习的其中一种方法

▲ 人工智能、机器学习和深度学习的关系

二、机器学习（Machine Learning）

所谓 Machine Learning 的方向，就是你就写段程序，然后让机器人变得了很聪明，它就能够有学习的能力。

如果讲的更务实一点的话，Machine Learning 所做的事情，你可以想成就是在寻找一个 Function，要让机器具有一个能力，这种能力是根据你提供给它的资料，它去寻找出我们要寻找的 Function。

找出 function 的 framework：

1. 先准备一个 function set(集合)，这个 function 里面有成千上万的 function，这个 function set 就叫做 model(模型)；

2. 使用 Training Data 判断这个 function 是好是坏；

3. 有效率的演算法自动挑选出最好的 function。

▲ Machine Learning Framework 的整个过程

三、机器学习相关的技术

3.1 监督学习（Supervised Learning）

• 回归（Regression）：Predict continuous valued output

• 分类（Classification）：Discrete valued output

• 结构化学习（Structured Learning）：lnput and output are both objects with structures

3.2 半监督学习（Semi-supervised Learning）

Training Data 有少量的 Labelled data 和大量的 Unlabeled data。在半监督学习的技术中，这些没有 label 的 data，它们可能也是对学习有帮助。

3.3 迁移学习（Transfer Learning）

迁移学习的意思是：假设我们要做猫和狗的分类问题，我们也一样，只有少量的有 label 的 data。但是我们现在有大量的 data，这些大量的 data 中可能有 label 也可能没有 label。但是它们跟我们现在要考虑的问题是没有什么特别的关系，我们要分辨的是猫和狗的不同，但是这边有一大堆其他动物的图片，你有这一大堆不相干的图片，它们到底可以带来什么帮助。这个就是迁移学习要讲的问题。

3.4 无监督学习（Unsupervised Learning）

没有任何 label，机器可以无师自通。

3.5 强化学习（Reinforcement Learning）

在 Reinforcement Learning 中，我们没有告诉机器正确的答案是什么，机器所拥有的只有一个分数，就是它做的好还是不好。

Alpha Go 其实是用 Supervised Learning 加上 Reinforcement Learning 去学习的。先用棋谱做监督学习，然后再和另外一个机器做强化学习。

▲ 机器学习相关的技术

四、为什么要学习机器学习

其中最重要的原因是需要 AI 训练师。在机器学习中，需要挑选出合适的 Model、Loss Function、...，不同的 Model、Loss Function 适合解决不同的问题，这时候就需要富有经验的 AI 训练师去寻找合适的 Model、Loss Function。

本次的分享就到这里

如果我的文章对你有帮助、如果你喜欢我的文章内容，请 “点赞” “评论” “收藏” 一键三连哦！

听说 👉 点赞 👈 的人运气不会太差，每一天都会元气满满呦！^ _ ^

码字不易，大家的支持就是我坚持下去的动力。点赞后不要忘了👉 关注 👈我哦！

如果以上内容有任何错误或者不准确的地方，欢迎在下面👇留个言。或者你有更好的想法，欢迎一起交流学习~~~