【01】 学习资料
B站网页端自带的笔记小工具挺好用的，截图功能超爽！
【02】课程内容
01 闲聊
AI是个早在上世纪五十年代就被提出来的概念，但当时只是有这么个目标，并不知道该怎么做。
机器学习是实现这个目标的手段，吴恩达老师的课里用ETP去定义：
经验Experience（E）、任务Task（T）、任务完成效果的衡量指标Performance measure（P），有了经验E的帮助后，机器完成任务T的衡量指标P会变得更好。
插一个分类，仅供参考
| 学派 | 智能源于 | 代表作 |
|---|---|---|
| 符号主义 | 逻辑 | 专家系统 |
| 连接主义 | 仿生学 | 神经网络 |
| 行为主义 | 控制论 | 强化学习 |
AI大热，于是出现了许多奇奇怪怪的东西——
突然想起前阵子看到的QuickBaby机器人，超灵活，简直不像机器人，不知道是不是人工客服。又想起前阵子某个号称AI美少女的游戏，是大叔陪聊哈哈哈哈。
02 Frame
非常精炼且信息量丰富的一张图，首先是一系列从input到output的function，通过training data进行交互，使用某种方法挑出“最好的”function，然后对其进行新数据测试。
函数集合这个思路还是第一次听到，确实也是一个从输入到输出的映射。最近的感悟，其实是通过模型（函数）去学习数据集里的规则，然后将这个规则应用到新的样本上。
在Function Set+Training Data的框架下，机器学习流程如下
03 Map
| English | 中文 | 举例 | 输入 | 输出 | 备注 |
|---|---|---|---|---|---|
| Regression | 回归 | PM2.5预测 | 过去的几个值 | 未来的值 | 序列建模？ |
| Classification | 分类 | 垃圾邮件识别 | 邮件信息 | 是否垃圾邮件 | 二值分类 |
| 动物分类、新闻分类 | 动物图片、新闻文本 | 动物类别、文档类别 | 多分类 | ||
| Structured Learning | 结构化学习 | 语音识别、机器翻译、人脸识别 | 语音、文本、图像 | 结构化数据 | 不是很懂 |
真实世界中绝大多数都是Structured Learing
| English | 中文 | 说明 |
|---|---|---|
| Supervised Learning | 监督学习 | 数据集带标签（正确答案） |
| Semi-Supervised Learning | 半监督学习 | 数据集部分带标签，部分不带 |
| Transfer Learning | 迁移学习 | 预训练和微调 |
| Unsupervised Learning | 非监督学习 | 数据集不带标签 |
| Reinforcement Learning | 强化学习 | 无标签，根据行为打分，然后奖or罚 |