2021-07 李宏毅机器学习打卡Task01：机器学习介绍

Task01 机器学习介绍

学习地址

• 李宏毅机器学习B站视频地址
• 李宏毅机器学习开源笔记地址
• 论坛版块

机器学习介绍

人工智能AI/机器学习ML/深度学习DL之间的关系

• AI > ML > DL
• AI是目标，ML是想要达成目标的手段，DL是ML的其中一种方法。

机器学习 ≈ Looking for a Function

机器学习可以理解为让机器具有寻找一个function的能力，即让其根据提供的资料，寻找出需要的function。

机器学习框架

1. Step 1: define a set of function
   找一个function
2. Step 2: goodness of function
   让机器可以衡量一个function是好还是不好
3. Step 3: pick the best function
   让机器有一个自动的方法，可以挑出最好的function

机器学习相关的技术

Learning Map如下， 蓝色部分为不同的学习情景，粉色部分为不同任务，绿色部分为不同方法或model。

不同情景下对应的技术可分为以下几类：

• 监督学习
  • Learning from teacher
  • 需要大量的 training data
  • 所有training data 都打好标签
• 半监督学习
  • 减少label所需的量
  • 少量的labelled data，大量的同类的Unlabelled data(比如，labelled data和Unlabelled data都是猫或者狗的图片)
• 迁移学习
  • 减少label所需的量的另一个方向
  • 少量的labelled data，大量的无关的labelled data或者Unlabelled data(比如，不是猫或者狗的图片，而是其他的大象、老虎之类的有label或者没有label的图片)
• 无监督学习
  • 学到无师自通
  • 只有function的input，没有output(比如，聚类、图片生成)
• 监督学习中的结构化学习
  • 机器学习不只有regression和classfication两类问题，这只是其中的一小部分，真正世界还应该包括structure learning
  • 输出是一个有结构性的object，如机器将输入的中文翻译成英文
• 强化学习
  • learning from critics/score
  • 在监督学习中我们会告诉机器正确的答案是什么，而在强化学习中，机器并不知道正确的答案，所拥有的只有一个分数，就是他做的好还是不好
  • 比较符合人类真正学习的情景

另附Datawhale组队学习—李宏毅机器学习任务安排