目标：人工智能

手段：机器学习（其中一种方法：深度学习）

手工制作（hand-crafted）的特征学习起来具有学习上限

Machine Learning = Looking for a Function From Data (自动学习规则)

机器学习步骤：

1. 从众多模型中寻找合适的模型（或构建新的模型）；

2. 定义衡量模型好坏的标准；

3. 通过演算（训练）找到最适合的模型；

Maching Learning 内容：

Supervised Learning:

• Regression(回归) :

        给定输入数据，通过模型训练后，输出是一个数值

• Classification(分类)： 
  • Binary Classification：输出yes or no（1或0）
  • Multi-class Classification: 输出1，2，... ，N

Semi-supervised Learning ：

小部分数据有label,但是大量数据无label

Transfer Learning:

小部分数据有label,但是大量数据与现在分类类别无关。比如训练猫狗分类器，但是只有小部分数据时带标签的猫狗数据，大量数据时马或者人的数据，与带训练分类器类别无关。

Unsupervised Learning:

数据无label,模型自己学习

Structured Learning：

输出带有结构性，例如：语音翻译，中英文翻译，多目标检测识别

Reinforcement Learning:

只有评判标准（告诉你一件事做的好或不好），没有标签指导。

model(方法)举例：Deep Learning、 SVM、 decision tree(决策树)、K-NN......

参考链接：

https://www.bilibili.com/video/BV1Ht411g7Ef?p=1