基本を学習マシン：
（A）機械学習とは何ですか？
与えられたタスクTの場合は、合理的なパフォーマンスのスケジューリング方式P、およびコンピュータ・プログラムの前提に適切な、品質、性能、経験のEの富を提供するとともに、自己学習タスクE Tが発生する可能性があり、プログラムは徐々にTをタスク増加
ここで最も重要なことは、オブジェクトの機械学習であります：
（1）タスクのタスク、T、一つ以上の
（2）経験の経験、E
（3）パフォーマンスパフォーマンス、P
人気の理解：
機械学習は、私たちが提供するトレーニングデータを学ぶための特定の方法でそれができる、システムを設計するためにコンピュータを使用する人工知能のブランチです。
訓練された数の増加に伴い、システムが学習し、パフォーマンスを改善し続けることができ、パラメータの最適化モデルを学習することで、出力関連の問題を予測するために使用することができます。
考えます：
無人車両を設計するには？
（二）、機械学習は何を解決することができますか？
予測問題に与えられたデータ
1.データクリーニング/特徴選択
2.アルゴリズムモデル/パラメータの最適化を決定
3.結果予報
あなたは何を解決することはできませんか？
大規模なデータ・ストレージ/パラレルコンピューティング---「ビッグデータは機械学習を助けることができる、優れたトレーニングモデル
ロボットを作ります
（III）を取得するにはどのように目的関数を確立するために、どのようにモデルが、どのようにより良いモデルがそれを学ぶ行く作るために、アシスタントがどのようにそれを行うには？
考えます...
モデルの目的：モデルを使用するために、
（四）、関連する知識
パラメータTの減少誘導体であります
（E）用語集
