该博客主要介绍了机器学习的基本概念，包括Regression、Classification和Generation等任务类型，并探讨了监督学习、强化学习和无监督学习三种学习方式。同时，提到了机器找寻函数的方法，如梯度下降，以及当前的前沿研究领域，如可解释性AI、对抗攻击、网络压缩等。博主还提及了课程中的实践环节，如环境配置和实验数据集的处理。
课程入门
机器学习就是自动找函式，任何与人工智能有关的问题都可以看作是在找它的函式f。
eg.语音识别 f(一段语音)= “语音内容”
图像识别 f(一张图片)=“图片内容”
下围棋 f(棋局)=“下一跳next move”
对话系统 f(你对机器说的话)=“机器的回答”
第一个问题：你想让机器帮你找什么样的函式？
Regression：找输出是数值的
Binary Classifcation：只有yes和no两种输出
Multi-class Classifcation：从N个class中选择一个正确的输出
Generation：产生复杂的有结构的东西（学习、创造）
第二个问题：怎么告诉机器我要找什么样的函式？
监督学习Supervised Learning：（有现成的数据集来学习）标注（告诉机器理想的函式的输出是什么）——评估函式的好坏：Loss损失函数——接下来机器会自动找出Loss最低的函式
强化学习Reinforcement Learning：过程计算和结果计算，通过reward奖惩矫正学习过程
无监督学习Unsupervised Learning：无标注只有数据集
第三个问题：机器怎样找出
最低0.47元/天 解锁文章
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
