我并没有系统学习过机器学习的东西，通常是东看看西看看～～～自己代码能力也比较挫，很多时候没有动手实践，理解比较浅。
刚好最近没办法出门（但是working at home并不轻松），抽时间学习李宏毅教授的机器学习课程，督促自己～～
链接在这里，大家也可以直接看视频，讲课非常有趣
视频资料传送门https://www.bilibili.com/video/av46561029?p=1

第一讲机器学习的下一步

【抗疫不出门】李宏毅教授机器学习课程笔记一
先看看这一讲主要提到了哪几个问题也是整个教学的框架，后面会针对每一个问题逐一展开

1 机器能不能知道“我不知道”

异常检测（Anomaly Detection）问题
日常应用中很常见，训练好的模型在使用过程中，能不能发现“未知事物”。

2 机器能不能说出“我为什么知道”

可解释的人工智能（Explainable AI）问题
模型究竟是根据什么特征学会了分类识别？
举了神马汉斯的例子（马真的会算算数？？其实马只是学会了观察人的神态反应）
下面这个例子太逗了。。。机器学习能够从很多马的图片中学会辨识马，是根据什么特征呢？？？竟然是通过图形左下角的英文字母，下载的马的图片左下角都有一个horse～OMG！
【抗疫不出门】李宏毅教授机器学习课程笔记一
在很多应用中，可解释性都很重要。能进行识别，还要告诉人们根据什么来识别的。

3 机器的错觉

请大家看看这两幅图，两个圆圈哪个颜色深？
【抗疫不出门】李宏毅教授机器学习课程笔记一
大部分同学都选择了一样深，因为这是一个很著名的错觉实验，人们因为背景颜色的差异而觉得两个圆颜色不一样深，其实是一样深的。
但是。。。教授很调皮。。。这两个圈就是左边的颜色深～～
计中计
人很容易被骗----机器也很容被骗
怎么去欺骗机器～～对抗攻击（Adversarial Attack）
可以参考我之前的一篇博客
https://blog.****.net/weixin_39389001/article/details/103159717
就是如何产生对抗样本，来欺骗机器。