1. 什么是机器学习？
机器学习就是找函数的公式，如何输入一段语音，找到这段语音对应的函数，如果输入一个图片，那么就找到这个图片的像素点所对应的函数。
http://speech.ee.ntu.edu.tw/~tlkagk/courses_ML20.html
首先，根据所要输出的类型，可以简单的把机器学习的问题分为两大类，回归（regression）与分类（classification）。如果输出的数值是连续的变量，那么该问题就是一个回归问题，如果输出的数值是离散的，比如只有yes or no两类，那么就是二分类问题，如果输出为多个类别，就是多分类问题。
除此以外，随着机器学习的发展，机器不仅仅可以完成上述两项任务，还可以进行“创造”，比如翻译问题，比如生成一个图片。
2. 如何告诉“告诉机器”你想要找的函数表达式
2.1 监督学习（supervised learning）
如果预先告诉机器，你想要的函数的理想的输出是什么，这种学习方式就叫做有监督的学习，换句话说，就是每个输出值都有了标签（label）。
然后机器会根据设定好的损失函数（loss function），可以不断评价目前的函数的“好坏”，不断迭代优化，使得函数的loss越来越小
2.2 强化学习（reinforcement learning）
与监督学习不同，强化学习不会给机器理想的输出和结果，而是让机器自行探索，如果获得了想要的答案，就给予reward，通过这种方法让机器越来越精确。
2.3 无监督学习（unsupervised learning）
既没有label也没有reward，在这种情况下让机器进行学习。
3. 机器怎么找出你想要的函数表达式
3.1 给定搜寻的范围
在回归和分类问题中，我们假定要找的函数式为线性函数（Liner function）。在RNN和CNN问题中，搜寻范围是网络结构（network architecture）。
3.2 范围中搜寻函数
通过一些算法：梯度下降（Gradient Descent）来求解，或者Pytorch等深度学习框架中的算法。
4. 前沿研究
Explainable AI（可解释人工智能）、Adversarial Attack（对抗攻击）、Network Compression（网络压缩）、Anomaly Detection（异常检测）、Transfer Learning（迁移学习）、Meta Learning（元学习）
网友评论