AI入门学习-基础知识/名词理解

• 人工智能AI VS 机器学习ML VS 深度学习DL

• Prompt VS fine-tuning

fine-tuning需要大语言模型微调，Prompt不需要。

• 机器学习范式
  • 监督学习VS强化学习...

	监督学习	半监督学习	无监督学习	强化学习	迁移学习
思想	模型从已标记的训练数据中学习，学习输入特征与输出标签之间的映射关系，以便对新的、未见过的输入做出准确预测。	结合使用少量已标记数据和大量未标记数据进行训练。利用未标记数据的分布信息来辅助模型更好地学习特征空间的结构	模型从未标记的训练数据中学习内在结构或模式。没有“正确答案”作为指导。模型的目标是发现数据中的隐藏分组、关联或简化表示。	模型（称为智能体）通过与环境进行持续交互来学习。智能体根据当前环境状态选择动作，环境随后给予一个奖励（或惩罚）并转移到新状态。智能体的目标是学习一个策略，使其在长期内获得累积奖励最大化。	将在源任务上训练获得的知识（如预训练模型的权重、特征表示），迁移应用到新的但相关的目标任务上。目的是利用源任务的知识加速目标任务的学习过程或提升其性能，尤其当目标任务数据量较少时。

• 模型

从数据中学习到的数学函数或算法结构，用于根据输入（特征）预测输出，模型本质是一个函数

• 特征VS标签

• 测试集VS训练集VS验证集
• 过拟合

• 欠拟合