📚 学习笔记：什么是机器学习（监督学习）
- 核心概念 机器学习：人工智能的重要工具，核心是让系统从数据中学习规律。
监督学习：最常见的机器学习类型，本质是 从输入 (A) 到输出 (B) 的映射。
输入：数据（邮件、音频、图像等）
输出：结果（垃圾邮件/非垃圾邮件、文字转录、翻译结果、缺陷检测等）
- 典型应用场景 📧 垃圾邮件过滤：输入邮件 → 输出是否为垃圾邮件
🎙 语音识别：输入音频 → 输出文字转录
🌐 机器翻译：输入英语 → 输出中文/西班牙语等
📢 在线广告：输入广告信息+用户数据 → 输出点击概率（极具商业价值）
🚗 自动驾驶：输入传感器数据 → 输出其他车辆位置
🏭 制造业质检：输入产品图片 → 输出是否有划痕/瑕疵
- 为什么监督学习最近兴起 数据爆炸：互联网、数字化转型带来海量数据（横轴：数据量）。
计算能力提升：GPU、摩尔定律推动大规模神经网络训练。
深度学习突破：大规模神经网络在性能上持续提升（纵轴：AI性能）。
- 性能曲线的启示 传统AI：数据增加后性能提升有限，容易遇到瓶颈。
深度学习：随着数据和模型规模增加，性能持续提升。
要达到最佳性能，需要两件事：
大量高质量数据
大规模神经网络（+强大计算资源）
- 关键 takeaway 监督学习 = 输入 → 输出的映射
数据是燃料，算力是引擎
找到合适的应用场景，就能创造巨大价值
回复