本次学习笔记是观看P1-P2之后写的。
本次的内容主要是对机器学习进行了简单地介绍。
人工智能是我们希望实现的目标，机器学习是实现该目标的一种手段，深度学习有属于机器学习的一种方法。
在机器学习出现之前，人们对于人工智能的实现都是对程序设定好规则，这样的话程序的智能就永远无法超脱这个规则也就无法超越制定规则的人。
机器学习是为了让机器拥有自己学习的能力，希望以输入数据的形式让机器自己进行规则（函数）的建立。并且在函数建立之后，输入未输入过的数据，机器仍然可以进行正确的输出。
机器学习分为三个步骤：
（1）找到一个function
（2）让机器自己衡量找到的function的好坏
（3）挑选出最好的function
机器学习一般包括：
（1）监督学习(supervised learning)是指从标注数据中学习预测模型。需要大量已标注的数据。
（2）半监督学习（semi-supervised learning）是利用标注数据和未标注数据学习预测模型。相对于监督学习，可以减少对标注的需求，从而节省人力成本。
（3）迁移学习(transfer learning)是指将某个领域或任务上学习到的知识或模式应用到不同但相关的领域或问题中。可以充分利用之前标注好的数据（废物利用），同时又保证在新的任务上的模型精度。
（4）无监督学习(unsupervised learning)是指从无标注的数据中学习预测模型。预测模型表示数据的类别、转换和概率。其本质是学习数据中的统计规律或潜在结构。（聚类算法）
（5）结构化学习(structured learning)相比于回归，输出一个标量或者预测，输出一个向量，结构化学习的输出更加复杂，可以是图像，可以是语句，可以是树结构等等，可由更小的组件构成的结构体。
（6）强化学习（reinforcement learning）是指智能系统与环境进行交互，用规则给自己的行为进行打分，从而逐渐学习到在规则范围内分数更高的行为（最优行为策略）。
为什么要学习机器学习呢？
因为每种使用场景都会有最为合适的模型，而我们的工作就是要找出这个最适合模型。