李宏毅深度学习打卡Task01：机器学习介绍

从视频的介绍中得知这是一门入门课，不需要太多前置知识。

每年都有新的视频，但是基础的东西不变。附上地址：https://www.bilibili.com/video/BV1Ht411g7Ef?p=1

我的兴趣在于机器学习（深度学习）在金融交易的领域能否实践，如不能或不易，就跟着Datawhale的教程学下来就好，此次打卡因为时间关系，简略记录一下自己不系统的学习心得。

人工智能是我们想达到的目标，机器学习是达成目标的手段，而深度学习是机器学习的其中一种方法。

例子：河狸，chatbot，内核是各种if（成千上万的规则）的机器人，这些不是我们想要的路线。

我们希望让机器拥有自己学习的能力，务实的，找一个function，让机器拥有找function的能力。

整个machine learning framework整个过程分成了三个步骤。第一个步骤就是找一个function，第二个步骤让machine可以衡量一个function是好还是不好，第三个步骤是让machine有一个自动的方法，有一个好演算法可以挑出最好的function。

教程里的学习路线图（从左上开始）

机器学习相关技术

Supervised Learning 监督学习

Regression和Classification。前者机器输出一个数值，后者机器输出一个类别（二分，多分）。

模型model，简单的事linear模型，会花多的时间在Non-linear模型上，这其中最著名的就是Deep learning，可以影像识别，下围棋（举例输入人类棋谱，机器就知道落子）

Semi-supervised Learning ，监督学习的问题是需要大量training data,告诉我们function的input和output的关系，我们需要告诉机器ouput是什么，用人工来标注，这些function的output叫label。

半监督学习中，这些unlabeled data 可能对学习也有帮助。

Transfer Learning迁移学习

迁移学习的意思是，有大量没有label的数据，但是跟我们要考虑的问题没有特别的关系，那么这类数据可以带来什么帮助。

UNsupervised Learning

完全没有label的无监督学习

监督学习中的结构化学习

除了Regression,classification，还有一类structured learning

Reinforcemen Learning(alpha go),比较智能了，没有办法做监督学习的时候，我们才做reinforcement learning。

为什么需要学习机器学习？ex：AI训练师