task01-器学习的介绍
目标：人工智慧
手段：机器学习，深度学习即为机器学习的一种方法。
1、什么是机器学习？
答：机器有学习的能力。例如小孩学习一样，看到一张图片之后就有辨识的能力。
务实一点讲机器学习所做的事情即想寻找一个Function，要让机器具有一个能力，这种能力是根据提供给它的资料，让它去寻找我们要寻找的function。
2.机器学学习的框架：
1）就是找一个function；
2）让machine可以衡量一个function是好还是不好；
3）让machine有一个自动的方法，有一个好演算法可以挑出最好的function。
3.机器学习的相关的技术
1）让Machine去了解任务（task）:
task可分为:Regression和Classification，及结构化学习。前两者的差别就是我们要机器输出的东西的类型是不一样的。
Regression:机器输出的是一个数值。
Classification:机器输出的是类别。
结构化学习：让机器输出的是要有结构性的。
<1>监督学习步骤：
- 选择function set，即选不同的model；
- 搜集训练数据，告诉机器这个function输入输出及关系是什么？
<2>半监督学习：减少label的量；
<3>迁移学习:减少data的量；
<4>无监督学习：在完全没有任何label的情况下，机器可以学到什么样的事情。
<5>强化学习：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，就是他做的好还是不好。
同样的颜色不同的方块是同一个类型的，这边的蓝色的方块，指的是学习的情景，通常学习的情景是你没有办法控制的。比如，因为我们没有data做监督学习，所以我们才做reinforcement learning。现在因为Alpha Go比较火，所以Alpha Go中用到的reinforcement learning会被认为比较潮。所以说有学生去面试，说明自己是做监督学习的，就会被质疑为什么不做reinforcement learning。那这个时候你就应该和他说，如果我今天可以监督学习，其实就不应该做reinforcement learning。reinforcement learning就是我们没有办法做监督学习的时候，我们才做reinforcement learning。红色的是指你的task，你要解的问题，你要解的这个问题随着你用的方程的不同，有regression、有classification、有structured。所以在不同的情境下，都有可能要解这个task。最后，在这些不同task里面有不同的model，用绿色的方块表示。