李宏毅深度學習打卡Task01：機器學習介紹

從視訊的介紹中得知這是一門入門課，不需要太多前置知識。

每年都有新的視訊，但是基礎的東西不變。附上位址：https://www.bilibili.com/video/BV1Ht411g7Ef?p=1

我的興趣在于機器學習（深度學習）在金融交易的領域能否實踐，如不能或不易，就跟着Datawhale的教程學下來就好，此次打卡因為時間關系，簡略記錄一下自己不系統的學習心得。

人工智能是我們想達到的目标，機器學習是達成目标的手段，而深度學習是機器學習的其中一種方法。

例子：河狸，chatbot，核心是各種if（成千上萬的規則）的機器人，這些不是我們想要的路線。

我們希望讓機器擁有自己學習的能力，務實的，找一個function，讓機器擁有找function的能力。

整個machine learning framework整個過程分成了三個步驟。第一個步驟就是找一個function，第二個步驟讓machine可以衡量一個function是好還是不好，第三個步驟是讓machine有一個自動的方法，有一個好演算法可以挑出最好的function。

教程裡的學習路線圖（從左上開始）

機器學習相關技術

Supervised Learning 監督學習

Regression和Classification。前者機器輸出一個數值，後者機器輸出一個類别（二分，多分）。

模型model，簡單的事linear模型，會花多的時間在Non-linear模型上，這其中最著名的就是Deep learning，可以影像識别，下圍棋（舉例輸入人類棋譜，機器就知道落子）

Semi-supervised Learning ，監督學習的問題是需要大量training data,告訴我們function的input和output的關系，我們需要告訴機器ouput是什麼，用人工來标注，這些function的output叫label。

半監督學習中，這些unlabeled data 可能對學習也有幫助。

Transfer Learning遷移學習

遷移學習的意思是，有大量沒有label的資料，但是跟我們要考慮的問題沒有特别的關系，那麼這類資料可以帶來什麼幫助。

UNsupervised Learning

完全沒有label的無監督學習

監督學習中的結構化學習

除了Regression,classification，還有一類structured learning

Reinforcemen Learning(alpha go),比較智能了，沒有辦法做監督學習的時候，我們才做reinforcement learning。

為什麼需要學習機器學習？ex：AI訓練師