Datawhale 李宏毅机器学习 Task1

李宏毅机器学习

  • 1. 引入
    • 引入: 生物本能
    • 思考:如何赋予机器本能?
  • 2. 机器学习
    • Framework
  • 3. 机器学习相关技术
  • 4. 为什么要做机器学习?

1. 引入

引入: 生物本能

河狸筑造水坝的能力


思考:如何赋予机器本能?

通过 规则 (hand-crafted rules)编码
存在问题:

  • 难以考虑所有可能性
    • 永远无法超越创造者
  • 大量人工因素
    Datawhale 李宏毅机器学习 Task1_第1张图片

2. 机器学习

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他的资料,它去寻找出我们要寻找的function。还有很多关键问题都可以想成是我们就是需要一个function。

Framework

Datawhale 李宏毅机器学习 Task1_第2张图片
左边这个部分叫training,就是学习的过程;右边这个部分叫做testing,学好以后你就可以拿它做应用。
在整个machine learning framework整个过程分成了三个步骤:

  1. 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. 机器学习相关技术

Datawhale 李宏毅机器学习 Task1_第3张图片

  • 监督学习

    • 数据(data) 标签 (label) 一一对应
      • 回归: 输出一个数值
      • 分类: 输出一个类别
  • 半监督学习

    • 减少label数量(未标注的数据对训练依旧有用)
  • 迁移学习

    • 减少 data 用量
  • 无监督学习

    • 没有 label
  • 监督学习中的结构化学习

    • 让机器输出的是要有结构性的,举例来说:在语音辨识里面,机器输入是声音讯号,输出是一个句子。
  • 强化学习

    • reinforcement learning里面,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。

4. 为什么要做机器学习?

宝可梦训练师

  • 宝可梦训练师要挑选合适的宝可梦来战斗
    • 不同 宝可梦 有不同的属性
  • 召唤出的宝可梦不一定听话
    • eg. 小智的喷火龙
    • 需要有经验的宝可梦训练师

AI训练师

  • AI训练师要挑选合适的model, loss function
    • 不同 model, loss function 适合解决不同的问题
  • 不一定能找出 best function
    • eg. Deep Learning
    • 需要有经验的AI训练师

Datawhale 李宏毅机器学习 Task1_第4张图片

参考资料:

  1. Datawhale 笔记资料
  2. 李宏毅机器学习

你可能感兴趣的:(Datawhale,组队学习,#,李宏毅机器学习,人工智能,深度学习)