目录
概览
人工智能(人工智慧,artificial intelligence)是目标,机器学习是手段,深度学习是机器学习的一类。
在整个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。
相关技术和场景
问题描述 | 数据需求 | 目的 | |
监督学习 | 包含分类和回归两大类,以及结构化学习(structured learning) | 每个样本都要包含标签数据 | 建立输入到输出的映射关系 |
半监督学习 |
相较于监督学习,需要标签数据数量减少。 少量labelled data,同时有大量的Unlabeled data |
||
迁移学习 transfer learning |
减少data用量 | Data does not related to the task considered (can be either labeled or unlabeled) | |
无监督学习 | 完全没有label | ||
强化学习reinforcement learning | 没有正确答案(label),但需要对输出进行评价。 |
note:
1. structured learning 中让机器输出的是要有结构性的,举例来说:在语音辨识里面,机器输入是声音讯号,输出是一个句子。句子是要很多词汇拼凑完成。它是一个有结构性的object。或者是说在机器翻译里面你说一句话,你输入中文希望机器翻成英文,它的输出也是有结构性的。
2. 在半监督学习的技术中,这些没有label的data,也可能对学习有帮助。
3.Alpha Go其实是用监督学习加上reinforcement learning去学习的。先用棋谱做监督学习,然后在做reinforcement learning,但是reinforcement learning需要一个对手,如果使用人当对手就会很让费时间,所以机器的对手是另外一个机器。
4. 如果我今天可以监督学习,其实就不应该做reinforcement learning。reinforcement learning就是我们没有办法做监督学习的时候,我们才做reinforcement learning。
AI 训练师工作
ref
LeeML-NotesDescriptionhttps://datawhalechina.github.io/leeml-notes/#/chapter1/chapter1李宏毅《机器学习》_哔哩哔哩_bilibili机器学习课程的入门课首选!!!就是李宏毅教授的这套课程啦,UP主的小伙伴们搬运并整理了这套通俗易懂的课程~官方课件地址:http://speech.ee.ntu.edu.tw/~tlkagk/courses_ML17.htmlDatawhale整理的笔记地址:https://datawhalechina.github.io/leeml-notes官方视频优兔地址:https://www.youtuhttps://www.bilibili.com/video/BV1Ht411g7Ef
文章评论