ML0:Overview

李宏毅–机器学习/深度学习

机器学习是自动找出函数

你想要什么样的函数?

1. Regression: 所找函数的输出是数值.

2. Binary classification:

   1. RNN

3. Multi-class classification: CNN

4. Generation(生成):让机器学习如何创造

   翻译产生文具/产生二次元人物

---

想法是否传达给机器?

1. Supervised Learning

   需要给机器一些训练资料,给出机器一些理想的正确的输出.(Label:理想的输出到底是什么样子)

2. 机器评估函数的好坏:Loss(损失函数)

---

Reinforcement learning v.s.Supervised learning

在围棋角度上的区别

Reinforcement learning 在围棋上:让机器跟自己下,让机器跟别人下.[有可能模型构建者也不知道哪一步是改下的一步]

机器输或赢 叫Reward.

Supervised learning: 需要告诉机器每一步需要落子的位置:

e.g.”Next move:’5-5’”

---

Alpha Go: reinforcement learning+supervised learning.

---

Unsupervised learning

给机器一堆没有标注的data.

机器如何找出你想要的函数?

Network architecture: 机器的函数搜寻范围:

经典的Network Architecture:RNN/CNN

Learning Algorithm

Gradient Descent

机器学习的前沿研究

1. 什么是explainable Al?

   告诉我们图片里有猫的理由?

2. Adversarial Attack

   恶意制造影响识别系统.

3. Network Compression

   如何把Network 缩小?让它有一定的存储范围.

机器要如何知道它不知道呢?

Anomaly Detection

4. Transfer Learning(Domain Adversarial Learning)

   即训练和测试和训练集长得不一样.即有同样的Distribution.

如何在训练和测试资料不一样时让机器同样学到东西呢?

5. Meta Learning

   机器程序,Program for learning(人类设计出来的演算法)

   Program designing program for learning ->program for learning

   赋予机器学习如何学习的能力.

勤奋不懈却天资不佳.

6. Life-long Learning 终身学习

作业成果部分上传kaggle平台.

赏

谢谢你请我吃糖果❤️

支付宝