近年來，經常會聽到人工智慧、機器學習和深度學習等概念，尤其是深度學習特別火熱，似乎沒做過深度學習，都不好意思說自己是cs的學生。
一、 人工智慧、機器學習和深度學習之間的關係
人工智慧是目標（人工智慧顧名思義就是人為去創造智慧型），機器學習是手段（讓機器具有學習的能力），通過機器學習的方式去實現智慧型，機器學習包含深度學習。
根據生物學特性，我們知道智慧型分為兩種情況，一是先天擁有（基因自帶）二是後天學習。機器學習可以看做是後天學習，在機器學習出現之前科學家用什麼方式實現人工智慧呢？
類似於先天擁有（基因自帶），科學家通過人為設定一些規則讓機器看起來智慧型。
二、hand-crafted rules
在早期會通過hand-crafted rules 來達到人工智慧，但是hand-crafted rules有缺點：
1 沒有辦法考慮到所有情況（永遠無法超越創造者）
2 需要花費大量的人力
三、機器學習
抽象地來說，機器學習就是寫個程式讓機器具有學習的能力。人為設定是寫程式讓機器執行具體的事兒。
具體點說，機器學習就是從資料中學到乙個function
機器學習需要：
1 大量的資料
2 一定的計算能力
簡要來說，機器學習可以分為3步。1是通過模型提供大量的function 2 衡量function的好壞 3
選出最好的function
四、機器學習分類
機器學習根據使用情境可以分為：監督學習、無監督學習、半監督學習、遷移學習和強化學習。根據目標又可以分為回歸、分類和結構化學習。
監督學習、無監督學習和半監督學習我們比較熟悉，來看看監督學習和強化學習的區別。
監督學習每個輸入都有正確的答案，機器可以通過輸入和答案來共同學習。而強化學習的每個輸入並沒有正確答案，只有評價好還是壞。機器通過輸入和評價來學習。監督學習和強化學習很像我們在學校的學習和進入社會後的學習，在學校裡學習老師會給我們正確答案，進入社會後沒人會告訴我們正確答案，只會對我們所做所為給出反應，我們要通過其他人的反應來慢慢摸索學習。
很多時候，學習情境是我們自己沒有辦法控制的。不過，針對同一問題在可以做監督學習的情況下就不要去做強化學習。
根據目標分為回歸、分類和結構化學習，其中回歸和分類我們比較熟悉（回歸的值通常是標量連續的， 而分類結果自然是類別，不連續的）。來看一下結構化學習：
結構化學習問題要比分類和回歸問題更為複雜，但是生活中更常見的是結構化問題。
機器學習簡介
機器學習簡介 機器學習是人工智慧的乙個分支。人工智慧的研究是從以 推理 為重點到以 知識 為重點，再到以 學習 為重點，一條自然 清晰的脈絡。顯然，機器學習是實現人工智慧的乙個途徑，即以機器學習為手段解決人工智慧中的問題。機器學習在近30多年已發展為一門多領域交叉學科，涉及概率論 統計學 逼近論 凸...
機器學習 簡介
機器學習，即人工智慧的乙個分支，人工智慧目前具有一定的限制，無法突破強人工智慧，即無法像人類一樣思考，感受等。機器學習其實就是通過大量的資料輸入，找出符合資料集的演算法模型，在輸入新的資料集時在進行判斷其屬性，是數學 計算機和統計學的集合。類似於人類的學習經驗，使用經驗判斷的過程。機器學習在於區分和...
機器學習簡介
機器學習101 在這篇博文中，我們將從以下幾個方面簡要地向大家介紹一下機器學習。如果你不是這方面的專家，也不需要擔心，因為在這篇博文中談及的內容僅需要高中的數學知識就足夠了。什麼是機器學習？牛津詞典將機器學習定義為 the capacity of a computer to learn from e...