机器学习与人工智能的关系
人工智能是达成的目标
机器学习，深度学习是一种达到目标的方法
通过后天的学习来习得一种能力。
告诉机器一段声音，这段声音是”HI“，机器就学会了“HI"
告诉机器一张图片代表”猫“，机器就知道这是猫
机器学习就是一个函数，从数据中习得的函数。
机器通常的方法：
1.先准备一个function set，这个set里面有成千上万个function，这些function会根据输入来进行输出
2.要准备训练资料，来判断这个function是好是坏
3.需要一个有效率的演算法从function set里面调出一个最好的function，对于不在数据集里面的数据，可以给出输出
机器学习的学习路线
1. Regression（回归）
输出一个数值，比如说，输出明天的pm2.5的值
Training Data:
之前的pm2.5的值
2.Classification(分类)
二分类或者多分类
比如：判断是否是垃圾邮件
3.Deep Learning
4.SVM，K-NN
以上方法都是需要label，属于监督学习
减少标签的学习方法
semi-supervised-Learning（半监督学习）
Transfer Learning(迁移学习)
unsupervised learning(无监督学习):比如说让机器看一大堆动物，就可以学习这些动物是什么
structured Learning
输出的一个复杂的部件，比如说一个句子，句子由很多词汇组成，这个句子就是有结构的。
Reinforcement Learning
强化学习，游戏AI
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-cgJ3ytRf-1626100080690)(C:\Users\lph\AppData\Roaming\Typora\typora-user-images\image-20210712220752489.png)]
和supervised 的区别，supervised需要告诉对或者不对，答案对或者不对。
RL不会告诉答案对或者不对，会根据评价来进行学习调整。
为什么要学习机器学习
AI训练师，和训练宝可梦一样，AI训练师要挑选合适的model，loss function，和不同的model和function，有些模型的最佳化比较困难，比如说深度学习，所以说需要有经验的训练师来进行训练。
所以说厉害的训练师功不可没，所以让一起朝AI训练师之路迈进吧。