课程流程图
Regression(回归)
要找的函数的输出是一个数值（scalar）。例如：PM2.5数值预测
Classification(分类)
二分类
输出只有两个类：
RNN中输入句子，输出是正面还是负面
多分类
有多个输出类：从多个已知类中输出一个。
CNN中图像分类
Generation（生成）
生成句子或图片：
Supervised Learning
给机器输入带标签的数据进行训练：
评估函数的Loss，机器找出Loss最低的函数。
Reinforcement Learning
下棋中Supervised Learning VS Reinforcement Learning
- 监督学习是在每一步告诉它该怎么走；
- 强化学习是机器自己和自己下棋，在结束时给一个Reward（赢或输），让机器自己学习每一步该怎么走。
无监督学习
只给数据，没有标签。
Explainable AI
机器不但能给出结果，还能给出得到该结果的理由。
Adversarial Attack
加入刻意噪声的图片，使机器无法识别
Network Compression
异常检测
如何让机器知道一个输入属于一个它还不知道的分类
Transfer Learning
在训练资料和测试资料有不同的分布，仍然能学习到。
Meta Learning
让机器学习如何学习。