機器學習自學筆記01: 機器學習的情境 Scenario

李宏毅老師開放式課程 機器學習01

免費閱讀文章：機器學習的情境 Scenario

最近開始聽了李宏毅老師的線上課程 機器學習，為了督促自己能夠好好的學習，開始認真寫筆記。
所以這份筆記並沒有適合的族群，只是督促自己可以好好學習吸收到東西，不要看完線上課程之後，就全部忘光光(笑)。
如果不嫌棄的話，歡迎觀看，如果有任何寫錯的地方，也歡迎指教。
今日的課程來自於: https://youtu.be/CXgbekl66jc
參考筆記:https://github.com/Sakura-gh/ML-notes/blob/master/1_Introduction.md

人工智慧 vs 機器學習

人工智慧 Artificial Intelligence 早在1950年代就有了。人工智慧就是希望電腦和人類一樣聰明。但是在當時並沒有辦法做到。1980 年代以後，有了機器學習的方法。就是讓機器有學習的能力。

人工智慧是我們想要達到的目標
機器學習是想要達成目標的手段
其中，深度學習是機器學習的一種方法。

Hand-crafted rules vs Machine Learning

生物的本能: 假設河狸天生會築水壩。若使用程式語言來描述的話就是 :

if  ”聽到流水聲”  then  "河狸就會開始築堤防" until "聽不到水流聲"

而機器的本能和生物的本能很像，假設今天有一個chat-bot 不用learning or ML ，只能設定規則。

if  "聽到turn off"  then  "關掉音樂"

如果你對機器說: ”Please turn off the music” 或是 ”Can you turn off the music, please? ” 機器就會自動關掉音樂。
但是聽到” Please don’t turn off the music” ，他還是會把音樂關掉。

hand-crafted rules 的弱點：

• 沒有辦法考慮到所有的可能性，非常的僵化。
• 無法超越創造者

我們可以用血汗的方式，寫出數以萬計的規則，但只是讓機器看起來＂好像＂很聰明，但是只要手上有data ，就能夠發展機器學習。(AI不是成千成萬的 if)

Machine Learning = Looking for a Function from Data
根據我們提供給機器的資料，他能夠尋找出我們要的function

• speech Recognition
• Image Recognition