前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >李宏毅《机器学习》丨1. Introduction of this course(机器学习介绍)

李宏毅《机器学习》丨1. Introduction of this course(机器学习介绍)

作者头像
AXYZdong
发布2022-06-14 15:15:58
3910
发布2022-06-14 15:15:58
举报
文章被收录于专栏:想到什么就分享

Author:AXYZdong 李宏毅《机器学习》系列 参考视频地址:https://www.bilibili.com/video/BV1Ht411g7Ef 参考文档:DataWhale文档

文章目录

一、人工智能、机器学习和深度学习

  • 人工智能(Artificial Intelligence) \to 目标
  • 机器学习(Machine Learning) \to 手段
  • 深度学习(Deep Learning)\to 机器学习的其中一种方法
在这里插入图片描述
在这里插入图片描述

▲ 人工智能、机器学习和深度学习的关系

二、机器学习(Machine Learning)

所谓Machine Learning的方向,就是你就写段程序,然后让机器人变得了很聪明,它就能够有学习的能力。

如果讲的更务实一点的话,Machine Learning所做的事情,你可以想成就是在寻找一个Function,要让机器具有一个能力,这种能力是根据你提供给它的资料,它去寻找出我们要寻找的Function。

Machine \ Learning \approx Looking \ for \ a \ Function

找出function的framework:

  1. 先准备一个function set(集合),这个function里面有成千上万的function,这个function set就叫做model(模型);
  2. 使用Training Data判断这个function是好是坏;
  3. 有效率的演算法自动挑选出最好的function。
在这里插入图片描述
在这里插入图片描述

▲ Machine Learning Framework 的整个过程

三、机器学习相关的技术

3.1 监督学习(Supervised Learning)

  • 回归(Regression):Predict continuous valued output
  • 分类(Classification):Discrete valued output
  • 结构化学习(Structured Learning):lnput and output are both objects with structures

3.2 半监督学习(Semi-supervised Learning)

Training Data有少量的Labelled data和大量的Unlabeled data。 在半监督学习的技术中,这些没有label的data,它们可能也是对学习有帮助。

3.3 迁移学习(Transfer Learning)

迁移学习的意思是:假设我们要做猫和狗的分类问题,我们也一样,只有少量的有label的data。但是我们现在有大量的data,这些大量的data中可能有label也可能没有label。但是它们跟我们现在要考虑的问题是没有什么特别的关系,我们要分辨的是猫和狗的不同,但是这边有一大堆其他动物的图片,你有这一大堆不相干的图片,它们到底可以带来什么帮助。这个就是迁移学习要讲的问题。

3.4 无监督学习(Unsupervised Learning)

没有任何label,机器可以无师自通。

3.5 强化学习(Reinforcement Learning)

在Reinforcement Learning中,我们没有告诉机器正确的答案是什么,机器所拥有的只有一个分数,就是它做的好还是不好。

Alpha Go其实是用Supervised Learning加上Reinforcement Learning去学习的。先用棋谱做监督学习,然后再和另外一个机器做强化学习。

在这里插入图片描述
在这里插入图片描述

▲ 机器学习相关的技术

四、为什么要学习机器学习

其中最重要的原因是需要AI训练师。 在机器学习中,需要挑选出合适的 Model、Loss Function、…,不同的Model、Loss Function适合解决不同的问题,这时候就需要富有经验的AI训练师去寻找合适的Model、Loss Function。 —— END ——

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2022-06-13,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 文章目录
  • 一、人工智能、机器学习和深度学习
  • 二、机器学习(Machine Learning)
  • 三、机器学习相关的技术
    • 3.1 监督学习(Supervised Learning)
      • 3.2 半监督学习(Semi-supervised Learning)
        • 3.3 迁移学习(Transfer Learning)
          • 3.4 无监督学习(Unsupervised Learning)
            • 3.5 强化学习(Reinforcement Learning)
            • 四、为什么要学习机器学习
            领券
            问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档