機器學習筆記（一）welcome

機器學習目前供大於求，人才缺口大。 主要講解機器學習問題的主要類型及算法，主要的機器學習術語，理解不一樣的機器學習算法，每一個算法是在何時合適的。 機器學習定義，，，，，（太古板），我的理解，機器能夠本身學習，知道要作什麼，（經過訓練，得到經驗） TOM Mitchell定義：經過經驗E 學習任務T使用度量 P衡量 性能。P對於T隨着E增長而提升。（押韻） 此處舉了個例子，標記識別垃圾郵件時哪一個是E,T,P，

機器學習最經常使用的兩類：監督學習和非監督學習。Supervised learning and unsupervised learning. 前者是咱們教計算機作事情，後者是讓計算機本身學習。

教授機器學習算法就像給你一個工具，一樣重要的是教你如何使用這些工具。此處舉了個學習成爲木匠的例子，有人教你成爲一個木匠，告訴你這是螺絲刀，這是刨子，這是榔頭，這樣很好，你有了全部的工具,更重要的是學習如何正確的使用這些工具。

知道如何使用機器學習的人與不知道如何使用的人相比有很大的不一樣。此處又舉了個例子，他參觀硅谷公司時，一個公司花了6個月作機器學習算法項目，最後失敗了，若是他在，就會告訴他們，小小修改一下成功率會高不少。

因此本課程主要花大量時間討論，假設你設法開發機器學習系統，那麼對於你創建你的系統的方式，如何作出最佳 的實際類型決策，以致於應用機器學習算法時，不大可能在作了6個月後失敗放棄。所以，將教咱們機器學習和AI中那些最好的實踐經驗以及如何使這項任務工做，咱們如何來作，硅谷和世界上最優秀的人是如何作的。老師但願使咱們成爲在知道如何設計和創建各類各樣的機器學習及AI系統方面最好的人。

接下來會講機器學習中的監督學習和非監督學習，以及在什麼狀況下如何使用他們。