1.機器學習與人工智能

機器學習是人工智能研究發展到一定階段的必然產物
人工智能”推理期”:只要能賦予機器邏輯推理能力，機器就具有智能
人工智能”知識期”:要使機器具有智能，就必須設法使機器擁有知識。由人把知識總結出來再教給電腦相當困難。
如果機器自己能夠學習知識該有多好！

人工智能學科的核心目標是，有朝一日我們能夠建造跟人類一樣聰明的機器，這樣的系統通常被稱為通用人工智能系統
人工智能研究的核心在於:
    機器思維
    機器感知
    機器行為
    計算智能
    **機器學習**
    
機器學習是人工智能的核心研究領域之一
    任何一個沒有學習能力的系統都很難被認為是一個真正的智能系統

2.機器學習與深度學習

人工智能，就像長生不老和星際漫遊一樣，是人類最美好的夢想之一。但是半個世紀過去了，人工智能的進展，遠遠沒有達到圖靈試驗的標準。這讓多年翹首以待的人們心灰意冷，認為人公智能是忽悠，相關領域是”偽科學”。

但是自2006年以來，機器學習領域，取得了突破性的進展。圖靈測試，至少不是那麼可望而不可及了。這個突破性的進展就是深度學習--DeepLearning

深度學習是機器學習研究中的一個新的領域，其動機在於建立、模擬人腦進行分析學習的神經網路。他模仿人腦的機制來解釋數據，例如圖像、聲音和文本。

深度學習引發了機器學習的第二次浪潮

3.機器學習算法分類

監督學習
    準備的數據是有標籤的，標籤對於分類問題來說就是輸出值。對於回歸問題就是一個類別。
無監督學習
    就表示說收集的數據實際上是沒有標籤的，只能是給數據做一個分類，相似的放到同一類當中，至於每個類是什麼東西它就不知道了。
    關聯規則的分析，比如說出現了1、2、3這三個特徵值的時候，是不是一定會出現第4個特徵。
半監督學習
    先少量標註一部份數據。根據已經標註了的一部分數據特徵去進行學習標籤，自動的給剩下的數據加上標籤。也就是同時結合了監督和無監督的方法。

4.機器學習實施的過程

機器學習的特徵提取需要人工來提取。而深度學習不需要，是採用自主學習的方式。

預處理
將一些數據以簡化的方式來表示，能提高運算效能。