1:meta learning:方法论的学习。
2:google-AutoML:因为人的成本是很贵的,通过大量的数据进行自动学习,从data里进行学习。
有些内容是无法进行标注的---例如收拾屋子,通过视频来教机器来进行学习。
Share Ai:所有的手机进行一起学习,7000个手机进行学习,是不是类似gpu对机器的性能要求比较高的(分布式机器学习)训练的算法。
根据具体的事情来进行学习模型,
交叉学习:根据任务来进行训练模型。
2:meta-learning(15年复兴)从参数中学习模型到从参数中学习算法,是可以进行小样本的学习。
3:学习初值,
4:增强学习,会根据历史的学习来进行学习,过去的经验可以进行重用。
5:gan和决策树的区别??
6:增强学习与深度学习进行结合。
7:用户隐私更友好怎么进行理解??
8:这个公司为什么能力比另外的公司的能力要强:
小样本做到大样本的能力、可以进行共享、可以持续的学习(终身学习)
智能家具应用:
未来智能家居:
浇花--你可以教机器进行学习(