关于人工智能&机器学习&深度学习

1.Artificial Intelligence（人工智能）

Artificial Intelligence（人工智能）是我们要实现的目标。

2.Machine Learning（机器学习）

Machine Learning（机器学习）是我们实现AI的手段。类似于Looking for a function from data（从一堆数据中找到最适合的函数）。

应用：

1. Speech Recognition（语音识别）
2. Image Recognition（图像识别）
3. Playing GO（下围棋）

3.Deep Learning（深度学习）

Deep Learning（深度学习）是Machine Learning的一种方法。

机器学习相关的scenario（情景）

1.Supervised Learning（监督式学习）

1.基本框架

1. 假设我们有一个function set（也叫Model，模型）和一些Training Data（训练数据，包括 function input 和 function output）。
2. 我们根据Model和Training Data得到Goodness of function $f$（函数 f 的优度）。
3. 根据 function f 的优度，选择”最好”的函数$f^{\ast }$。
4. 使用函数$f^{\ast }$。

2.Supervised Learning下的任务

1.Regression（回归）

The output of the target function f is “scalar”.

举例：
预测PM2.5：根据历史数据（今天上午的PM2.5，昨天上午的PM2.5等）预测明天上午的PM2.5。

2.Classification（分类）

Binary Classification

举例：
Spam Filtering（垃圾邮件过滤）：输出邮件是否是垃圾邮件。

Multi-class Classification

举例：
Document Classification（文件分类）。

3.Structured Learning（结构化学习）

Beyond Classification。

2.Semi-supervise Learning（半监督式学习）

3.Unsupervised Learning（无监督式学习）

4.Transfer Learning（迁移学习）

5.Reinforcement Learning（强化学习）

Supervised Learning v.s. Reinforcement Learning

• Supervised Learning：learning from teacher。
• Reinforcement Learning：learning from critics（评价）。