李宏毅AI课程学习 - ML Lecture 0-1: Introduction of Machine Learning

最近在系统化学习ML相关知识，算法的同事推荐了李宏毅老师的课程。
因此每天看1个视频，并尝试通过公众号和记录并沉淀下来。

本节链接：

https://www.youtube.com/watch?v=CXgbekl66jc&feature=youtu.be

主要内容

• 本节课介绍了机器学习的主要内容，以及给出了Learning Map。

Learning Map

• 课程的学习地图

learning_map.png

Task

regression

• 回归

classification

• binary
• multi-class

structured-learning

• 非regression和classfication的任务，都是structured-learning任务

Method

Linear Model

• 线性模型

Non-linear Model

• Deep Learning
• SVN, Decision-tree, K-NN, etc.

Scenario

• Scenario通常是有实际情境决定的，不是想用什么方法就用什么方法。
• 通常来说，如果能用Supervised Learning，就不应该用Reinforcement Learning。

Supervised Learning

• 监督学习

Semi-supervised Learning

• 半监督学习

Transfer Learning

• 迁移学习

Unsupervised Learning

• 非监督学习

Reinforcement Learning

• 强化学习