课程入门
机器学习就是自动找函式，任何与人工智能有关的问题都可以看作是在找它的函式f。
eg.语音识别 f(一段语音)= “语音内容”
图像识别 f(一张图片)=“图片内容”
下围棋 f(棋局)=“下一跳next move”
对话系统 f(你对机器说的话)=“机器的回答”
第一个问题：你想让机器帮你找什么样的函式？
Regression：找输出是数值的
Binary Classifcation：只有yes和no两种输出
Multi-class Classifcation：从N个class中选择一个正确的输出
Generation：产生复杂的有结构的东西（学习、创造）
第二个问题：怎么告诉机器我要找什么样的函式？
监督学习Supervised Learning：（有现成的数据集来学习）标注（告诉机器理想的函式的输出是什么）——评估函式的好坏：Loss损失函数——接下来机器会自动找出Loss最低的函式
强化学习Reinforcement Learning：过程计算和结果计算，通过reward奖惩矫正学习过程
无监督学习Unsupervised Learning：无标注只有数据集
第三个问题：机器怎样找出你想要的函式？
1.给定函式寻找的范围（线性函式、网络架构RNN&CNN）
2.函式寻找方法：梯度下降
前沿研究：
可解释性AI（为什么会是样的输出？）
对抗攻击（一些特定的、神奇的杂讯）
网络压缩（压缩model）
异常检测（看到学习以外的东西输出我不知道）
迁移学习（训练集意外的东西）
Meta学习（学习如何学习）（套娃hh）
终身学习（没有终点的学习）
课程对应的作业：
-
安装anaconda，和Pycharm链接
-
环境配置过程整理成笔记
-
课程实验数据集的转存