笔记|李宏毅老师机器学习课程，视频2为什么学习机器学习
《学习笔记》专栏·第2篇
文 | MLer
878字 | 2分钟阅读
【数据科学与人工智能】开通了机器学习群，大家可以相互学习和交流。请扫描下方二维码，备注：姓名-ML，添加我为好友，诚邀你入群，一起进步。
感谢李宏毅老师的分享，他的课程帮助我更好地学习、理解和应用机器学习。李老师的网站：http://speech.ee.ntu.edu.tw/~tlkagk/index.html。这个学习笔记是根据李老师2017年秋季机器学习课程的视频和讲义做的记录和总结。因为这个视频是在Youtube上面，有些朋友可能无法观看，我把它搬运下来放在云盘上面，大家点击阅读原文，就可以直接在手机随时随地观看了。再次，感谢李老师的付出和贡献。
这门课，共有36个视频，每个视频播放的时间不一。我按着视频播放的顺序，观看，聆听和学习，并结合讲义，做学习笔记。我做学习笔记目的有三：
1 帮助自己学习和理解机器学习
2 记录机器学习的重要知识、方法、原理和思想
3 为传播机器学习做点事情
视频2：为什么学习机器学习
一、为什么学习机器学习？
正如视频所介绍的，想构建一个好的AI系统，需要AI训练师。
AI训练师是个什么东东？
摘录百度百科：AI训练师是近年来随着AI技术广泛应用产生的新兴职业，他们的工作内容有解决方案设计、算法调优、数据标注等。
AI训练师要为机器选择合适的model、loss function以及优化策略。
不同的model和loss function适合解决不同的问题。
朋友们，请思考：
1 你熟悉那些model?
2 你知道那些损失函数？这些损失函数的原理分别是什么？
3 你使用过那些优化策略？对于不是凸优化的问题的怎么处理逼近？
scikit-learn库，提供了一份机器学习使用的地图，如下图所示：
看图可以发现，从样本数和目标入手，确定最佳的解决方案。若要用ML，样本数太少，就先收集和准备数据集，数据集满足要求后，观察目标，是预测类别型，还是定量型，若是类别型，并且有标签数据，那就是分类任务，反之是聚类任务；若是定量型，有预测的数值，就是回归任务；反之，进入后续的操作。
朋友们，在学习中有什么问题或者想法，请加入机器学习群，大家一起讨论，共同进步。
每周一书