李宏毅2021机器学习笔记（一）

什么是机器学习？

简单来说就是让机器帮我们找一个函数，即一个映射。如声音—>文字的语音识别函数

自变量可以是向量，矩阵（图像识别），序列

输出是数值、图片等

课程讲什么？

一、

监督学习，给定图片人工的告诉机器其类型，训练模型，让机器拥有 f（图片）—>类型 这一函数

二、

        训练模型之前进行Pre-train，让机器学习如何辨别图片这一基本功，因为人工输入图片类型过于繁琐。只需传入大量图片资料即可自动训练。如把图片翻转、变色，询问机器是不是可以分辨。

        这样的基础模型可以为后续各种的建模提供基础，常用的Foundation Model如BERT

 

三、

给定不匹配的x、y，可以通过训练，找到对应的函数。如大量的语音&大量的文字，即可自动学习。

四、

如果人工也不知道下围棋怎么才是最好的，但人类可以评价怎么下是对的，这就用到强化学习

 

 五、异常检测

对未知图片，输出不知道的回答

 六、

 不仅要分类出正确答案，还要告诉原因！

七、模型攻击

对图片增加微小的差异，以混淆机器。

八、

一般我们假设训练集和测试集分布类似

但真实的情况可能是这样：

从而导致准确率下降

为了解决此类，我们引入Domain Adaptation技术

 

 九、

把模型部署在更小的环境中

十、

为什么机器不可以终身学习？

十一、

 

从各个已学习算法、发明新的算法

 做到Few-shot学习，往往用到meta-learning