第一讲机器学习基础

第一讲机器学习基础

1.机器学习≈找一个函数

2.深度学习就是用类神经网络制造函数-->输入可以是：向量、矩阵、序列（语音、文本）

输出可以是：数值（回归任务）、类别（分类）、文本图片

3.机器学习方法

（1）supervised learning 监督学习（要做标记）需要收集到大量成对的输入输出

（2）self-supervised leaning 非监督学习（不做标记）：预训练模型pre-trained model又叫foundation model  例如BERT（学习大量没标注的资料）-->解决下游任务downstream task

（3）generative adversarial network   （GAN）生成对抗网络-->不需要成对输入输出，会自动识别

（4）强化学习 reinforcement learning（RL）不知道怎么标注资料，但知道好坏

4.异常检测

机器输出我不知道

5.可解释性的AI :explainable AI

机器怎么知道答案

6.模型攻击 model attack

7. domain adoption 域适应

目的训练数据和测试数据分布不同

8.模型压缩network compression

9.life-long learning 持续学习

10.meta learning 机器学习如何学习

机器不再使用人发明的算法而是使用大量资料机器自己来发现算法