深度学习<Dive into deep learning>_1前言
本系列博客来自于： DIVE INTO DEEP LEARNING，李沐老师的课，Orz
人工智能，机器学习，深度学习，和强化学习
机器学习是人工智能的一个分支，也是人工智能的一种方法。
深度学习是机器学习的一个子集
强化学习是机器学习与环境交互并采取行动的一个领域；深度强化学习，将深度学习应用于强化学习。
机器学习
关键组件：
- 数据
- 模型：用来转换数据
- 目标函数：用来量化模型的有效性
- 算法：调整模型参数以优化目标函数
训练模型的通常步骤：
深度学习的分类
监督学习
擅长在“给定输入特征”的情况下预测标签。
监督学习的一些常见例子：
- 回归问题：有关于多少的问题很可能就是回归问题，e.g. 这个手术需要多少小时？
- 分类问题：希望模型能够预测样本属于哪个类别，分类问题又可以分为二元分类和多元分类，取决于结果的类别的数量
- 标记问题：想让模型描绘输入图像的内容，预测不相互排斥的类别的问题，给文章打一些标签
- 搜索：处理搜索结果集内的顺序
- 推荐系统：向特定用户进行“个性化”推荐
- 序列学习： 序列学习需要摄取输入序列或预测输出序列，或两者兼而有之。包括：标记和解析，自动语音识别，文本到语音，机器翻译等领域。
无监督学习
无监督学习的一些常见例子：
- 聚类：没有标签的情况下，给数据分类
- 主成分分析：找到少量的参数来准确地捕捉数据的线性相关属性
- 因果关系和概率图模型：描述观察到的许多数据的根本原因
- 生成对抗网络：提供一种合成数据的方法，甚至像图像和音频这样复杂的非结构化数据
深度学习<Dive into deep learning>_1前言
