【Datawhale X 李宏毅苹果书 AI夏令营(深度学习入门)】Task1 通过案例了解机器学习

前言

  一直对机器学习相关内容很感兴趣，但未找到学习的契机（懒），最近在做AI Hardware Accelerator相关工作，终于!下定决心!去深入了解相关知识。很幸运遇到了【Datawhale X 李宏毅苹果书 AI夏令营】，趁着这次机会，希望能系统的学习机器学习等知识，为后续研究打下基础。后续也会持续更新相关内容！！！话不多说，即刻开始！

一、基本概念

1.什么是机器学习（Machine Learning, ML）？

机器学习，顾名思义，机器具备有学习的能力。具体来讲，机器学习就是让机器具备找一个函数的能力。如在语音识别等很多场景中，我们需要的函数非常复杂，人类难以把它写出来，因此想通过机器的力量把函数自动找出来。机器学习的核心内容就是把数据输入到一个人工设计的模型中，然后让模型自动的“学习”，来不断优化模型自身的各种参数，最终使得在某一组参数下该模型能够最佳的匹配该学习任务。

通常，根据要找的函数类型，机器学习可以分为三个类别：

1. 回归（regression）任务：要找的函数输出为数值，为标量，如预测未来某一个时间的 PM2.5 的数值等；
2. 分类（classification）任务：让机器做选择题，如检测一封邮件是否为垃圾邮件等。
3. 结构化学习（structured learning）：机器产生一个有结构的物体，如画图、写文章等。

2.什么是深度学习（Deep Learning, DL）?

深度学习(DL, Deep Learning)是机器学习(ML, Machine Learning)领域中一个新的研究方向，它被引入机器学习使其更接近于最初的目标——人工智能(AI, Artificial Intelligence)。深度学习是一个复杂的机器学习算法，在语音和图像识别方面取得的效果，远远超过先前相关技术。

3.人工智能、机器学习、深度学习之间的关系？

深度学习是机器学习的一个分支而机器学习是人工智能的一个分支，简单用数学符号来表示，三者的关系为：人工智能 ⊃ 机器学习 ⊃ 深度学习。

二、案例学习——How to find a function？

以视频的点击次数预测为例介绍下机器学习的运作过程。其中通过机器学习找一个函数，该函数的输入是后台的信息，输出是隔天这个频道会有的总观看的次数。

机器学习找函数的过程，可以分成 3 个步骤。

1. 写出一个带有未知参数的函数 f，来预测未来观看次数，如：，其中y是准备预测的东西，在此场景下便是今天的这个频道观看次数，而（feature）则是该频道前一天的观看次数，b（bias）和w（weight）是未知的参数，即为需要通过数据去寻找的。而一个带有未知参数的函数在机器学习里变称为模型（model）。
2. 定义损失（loss），损失也是一个函数，该函数的输入为模型里面的参数，此条件下即为L(b,w)。而所谓损失可以简单理解为估测值与实际值之间的“差距”。这个“差距”的计算方法可以根据场景不同人为来定义，如：平均绝对误差、均方误差、交叉熵等。
3. 解一个最优化的问题。其中，梯度下降为经常使用的优化方法，是求解无约束优化问题最简单、最经典的方法之一。

总结

以上就是今天要讲的内容，本文仅仅简单介绍了机器学习相关概念以及通过实例介绍其运作过程。后续会根据学习内容进行更详细地补充。如有错误，希望大家指正。