机器学习初识

机器学习

一个函数，如输入音频，输出音频所对应的文字。
无法通过人类的力量来完成这个函数，由机器来完成这个函数。
机器学习–>机器帮人类完成人类无法完成的事情
帮助人类完成事情是通过一个函数来完成的，而这个函数是通过类神经网络来完成的。

函数的输入可以是：

• 向量
• 矩阵
• 序列

Supervised Learning

任务:辨识一个动物是神奇宝贝还是数码宝贝

1. 收集训练资料，并标记（lable）它是神奇宝贝还是数码宝贝
2. 输入是动物，输出是神奇宝贝/数码宝贝

这个过程极其消耗时间，因为需要把每张图片打标记，而且要收集很多的资料。

Self-supervised Learning

首先，我们将我们的任务称为下游任务。
那么，为了让机器能够更好的完成任务，
我们可以喂一大堆资料给机器，让他先学一下
这个过程被称为Pre-train。
在目前的任务当中，Pre-train不需要已经打了标记的图片资料。
举个例子，我们可以给同一张图片，通过变色和左右转，让机器来辨别是不是同一个物品

当机器学会了基本功之后，机器再去学习我们的下游任务，就会轻松的多了。

Generative Adversarial Network

机器能够通过x和y找到他们之间的函数关系f(x)

Reinforcement Learning

适用情况：人不知道资料应该如何标注，但是可以定义什么是成功，也就是说，可以定义好坏。
eg：下围棋，无法标记资料，但是可以标注好坏。

Anomaly Detection

异常检测的能力

Explainable AI

可解释性AI–> 知道答案，也知道答案是怎么来的。

Model Attack

模型攻击：通过人为的操作，让机器出错

Domain Adaptation

当训练资料和用的人给的资料不太一样的时候，要怎么做

Network Compression

模型压缩

Life-Long Learning

机器长期学习

Meta learning

让机器学会如何学习