hung-yi lee_p1_机器学习提纲

机器学习就是自动找函式

1.你想找什么样的函式
Regression(回归)——想找的函式输出是一个数值
Binary Classification——想找的函式输出是Yes or No(Pos or Neg)
Multi-class Classification 让机器做选择题（联系枚举）

Generation(生成)
产生有结构的复杂东西(例如：文句、图片)
拟人化的讲法——创造

2.怎么告诉机器你想找什么样的函式
典例——监督学习
函式的Loss——衡量函式的好坏(Loss越小越接近理想函式)
接下来机器自动找出Loss最低的函式

监督学习和强化学习对比

3.机器怎么找出你想要的函式
3.1.给定函式寻找范围
Linear / Network Architecture

前沿研究
Explainable AI(告诉我们图片有猫的理由)
Adversarial Attack(面对对于系统的恶意攻击)
Network Compression(把网络缩小可以放到手机上)
Anomaly Detection(面对训练时没碰到的，怎么让机器知道它不知道)
Domain Adversarial Learning(面对训练资料和测试资料“长得不像”)
Meta Learning(学习如何学习)
能不能让机器聪明一点？
达到极佳的效果却花了很长的时间
效率不高->学习算法是人类设计的
Life-long Learning/Continuous Learning/Never Ending Learning/Incremental Learning

视频链接
https://www.bilibili.com/video/BV1JE411g7XF?from=search&seid=760737422875314690