第一讲机器学习基础
1.机器学习≈找一个函数
2.深度学习就是用类神经网络制造函数-->输入可以是：向量、矩阵、序列（语音、文本）
输出可以是：数值（回归任务）、类别（分类）、文本图片
3.机器学习方法
（1）supervised learning 监督学习（要做标记）需要收集到大量成对的输入输出
（2）self-supervised leaning 非监督学习（不做标记）：预训练模型pre-trained model又叫foundation model 例如BERT（学习大量没标注的资料）-->解决下游任务downstream task
（3）generative adversarial network （GAN）生成对抗网络-->不需要成对输入输出，会自动识别
（4）强化学习 reinforcement learning（RL）不知道怎么标注资料，但知道好坏
4.异常检测
机器输出我不知道
5.可解释性的AI :explainable AI
机器怎么知道答案
6.模型攻击 model attack
7. domain adoption 域适应
目的训练数据和测试数据分布不同
8.模型压缩network compression
9.life-long learning 持续学习
10.meta learning 机器学习如何学习
机器不再使用人发明的算法而是使用大量资料机器自己来发现算法