1. 基本目的
找到输入与输出之间的映射关系（函数）。
2. 分类
（待完善）
- Regression：回归
- Classification：分类
- Binary classification:二分类输出
- Multi-class Classification: 多分类输出
- Generation：生成
3. 训练方法
- 监督学习：使用Labeled Data训练，由Loss评价function好坏。
- 强化学习：AlphaGo自我学习。
- 非监督学习：使用无标注资料。
- Anomaly Detection:对异常数据的识别。
- Transfer learning:训练资料与测试资料不同时如何有较高的识别率。
- Meta Learning:学习如何学习的能力。
- Life-long Learning:不断学习新能力。
4. 前沿研究
-
Explainable AI:机器能否告知输出结果的原因。
-
Adversarial Attack:是否有某些只有机器能够识别的噪声，夹杂在数据中，人不会受到影响，但机器的输出会被明显干扰。
-
Network compression:网络压缩，在数据量巨大时如何压缩数据。