CS229 --Lecture1 Introduction

课程

• 讨论和答疑使用piazza
• 14th Sep ~ 18th Nov
• 周一、周三授课，周五讨论（前三周讨论课介绍线性代数、概率统计、Numpy等预备知识）
• 课程跨度为约10周

与CS229A，CS230的区别

• CS229A：机器学习课程，数学推导较少，更偏向应用(A: Application)
• CS229：机器学习课程，大量数学推导、算法集，更偏向理论
• CS230：深度学习课程，主要研究深度学习算法，狭义的涵盖了DL

什么是机器学习？

• Arthur Samuel（1959）：研究"计算机无需特定编程就能学习"的领域；其编写了一种自行演绎checkers的程序，水平能胜过Arthur Samuel
• Tom Mitchell（1988）：E（Experience）、T（Task）、P（Performance）

课程概要

1. 监督学习（同时给x、y，找到x和y之间最合适的映射）
   两大类：回归（Regression），分类（Classification）
   举例：房价预测（房龄、平方），疾病预测（3+维，无法plot表示），自动驾驶，特别提到SVM（支持无限维度的x输入）

2. 机器学习策略
   具体问题具体分析，针对不同问题选择合适的策略。
   举例：参观已做了6个月的项目，发现永远无法实现

3. 深度学习

4. 无监督学习
   举例：cocktail语音分类、学习类比

5. 强化学习
   奖励信号
   举例：养狗（good boy，bad boy），自动驾驶直升机（自动执行，人只需标记其哪些做的好哪些做的坏），机器狗爬楼梯，优化机器人、游戏等