人工智慧發展歷程：
（1）推理期：二十世紀五十年代到七十年代初。
（2）知識期：二十世紀七十年代中期，專家系統。
（3）學習期：二十世紀八十年代以來，被研究最多、應用最廣的是「從樣例中學習」。
一大主流是符號主義學習，代表包括決策樹和基於邏輯的學習；二十世紀九十年代中期之前，「從樣例中學習」的另一主流技術是基於神經網路的連線主義學習，連線主義學習的最大侷限是其「試錯性」；簡單地說，其學習過程涉及大量引數，而引數的設定缺乏理論指導，主要靠手工「調參」；誇張一點說，引數調節上失之毫釐，學習結果可能謬以千里。
二十一世紀初，連線主義學習掀起了以「深度學習」為名的熱潮，原因有兩：資料大了、計算能力強了。深度學習模型擁有大量引數、若資料樣本少，則很容易「過擬合」，如此複雜的模型、如此大的資料樣本，需要強力計算裝置。
資料庫領域的研究為資料探勘提供資料管理技術，機器學習和統計學的研究為資料探勘提供資料分析技術。
奧卡姆剃刀原則主張選擇與經驗觀察一直的最簡單假設。
機器學習領域的重要國際學術會議：國際機器學習會議（icml）、國際神經資訊處理系統會議（nips）、國際學習理論會議（coit）
期刊：journal of maching learning research和machine learning.
人工智慧領域的重要會議：ijcai、aaai
期刊：artificial intelligence\ journal of artificial intelligence research
資料探勘領域會議：kdd、icdm
期刊：acm transactions on knowledge discovery from data\ data mining and knowledge discovery
計算機視覺與模式識別會議：cvpr
期刊：ieee transactions on pattern analysis and machine intelligence
神經網路重要期刊：neural computation\ ieee transactions on neural network and learning systems
西瓜書 周志華 機器學習第一章 緒論
1.什麼是機器學習?人區別於機器，更多是基於經驗累積起來的個體。比如今天我起床看見天空有點兒灰暗，沒有太陽，那我就可以初步預判今天應該是會下雨。走在路上發現，風越吹越大，蜻蜓也在低飛，天越來越黑，這時你知道要下雨了，而且根據以往十幾年來的經驗判斷，這雨還不小，我得趕緊找個地方躲起來。人呢 遇到事多了...
西瓜書第一章筆記
在這裡先列舉一些我先前不了解的基本術語 根據一些樣例，來訓練我們的模型。如果 的是離散值，例如 好瓜 壞瓜 這種學習任務我們稱為 分類 classification 如果 的是連續值，例如西瓜的成熟度0.95 0.37，這類任務稱為 回歸 regression 泛化能力 generalization...
機器學習第一章緒論（周志華西瓜書）
目錄 第一章 緒論 1.1 引言 1.2 基本術語 1.3 假設空間 1.4 歸納偏好 1.5 發展歷程 1.6 應用現狀 1.7閱讀材料 2.課後練習 由 的值是否連續分類 由是否有標記分類 最終可能會有很多與訓練集一致的假設 無法取捨 通過實際偏好來選擇 有沒有一般性原則來引導選擇正確的偏好呢？...