一、机器学习概述

• • 1.1-人工智能概述
  • • 1.1.1 及其学习与人工智能、深度学习
    • 1.1.2 机器学习、深度学习能做些什么
    • 1.2.3 人工智能阶段课程安排
  • 1.2-什么是机器学习
  • • 1.2.1 定义
    • 1.2.2 解释
    • 1.2.3 数据集构成
  • 1.3-机器学习算法分类
  • 1.4-机器学习开发流程
  • 1.5-学习了框架和资料介绍
  • • 1.5.1 机器学习与框架
    • 1.5.2 书籍推荐

1.1-人工智能概述

1.1.1 及其学习与人工智能、深度学习

人工智能>机器学习>深度学习

1.1.2 机器学习、深度学习能做些什么

1. 自然语言处理
2. 图像识别
2. 传统预测

1.2.3 人工智能阶段课程安排

1.2-什么是机器学习

1.2.1 定义

机器学习是从数据中自动分析获得模型，并利用模型对位未知数据进行预测

1.2.2 解释

1.2.3 数据集构成

结构=特征值+目标值
对于每一行数据我们称之为样本
有些数据集没有目标值

1.3-机器学习算法分类

监督学习：
	目标值：类别-分类问题
		k-近邻算法、贝叶斯分类、决策树与随机森林、逻辑和回归
	目标值：连续性数据-回归问题
		线型回归、岭回归
无监督学习
	目标值：无-无监督学习
		k-mearn

1.4-机器学习开发流程

1. 获取数据
2. 数据处理
3. 特征工程
4. 机器学习算法训练-模型 
5. 模型评估
6. 应用

1.5-学习了框架和资料介绍

需明确几点问题：
	1. 算法是核心，数据与计算是基础
	2. 找准定位

1.5.1 机器学习与框架

sk-learn	
pytorch	
tensorflow
theano

1.5.2 书籍推荐

统计学习方法-李航
机器学习-周志华