问题预览
- 机器学习是什么？
- 亚瑟·塞缪尔如何定义机器学习？
- 机器学习的两种主要类型是什么？
- 为什么实践中的机器学习算法需要有效地运用工具和技巧？
解读
机器学习定义
亚瑟·塞缪尔定义为一种研究领域，可以让计算机通过学习而不是明确编程来获得知识。
亚瑟·塞缪尔：20世纪50年代编写了跳棋程序的科学家。他的程序能通过成千上万次的游戏学会什么样的棋盘位置是好的或坏的。
因为电脑有耐心一直玩游戏，它才能获得如此多的下棋经验。
机器学习类型
监督学习：实践中最常用，进展最快，创新最多的类型。
无监督学习：第三部分课程内容，与监督学习并列为两大主流。
学习重点：不仅要学习算法（工具），还要学会如何有效地运用这些算法（技巧）来解决实际问题。
课程目标：如何开发实用且有价值的机器学习系统，避免浪费时间在无效的方案上。
提问
答案是表现更差。
总结
本段内容介绍了机器学习的基本概念和两种主要类型：监督学习和无监督学习。
通过亚瑟·塞缪尔编写的跳棋程序案例，解释了机器学习的核心思想——通过大量的数据学习，从而提高决策的质量，而不是通过明确的编程指令。
课程强调了学习算法本身和如何有效运用这些算法的重要性，旨在培养能够独立解决实际问题的机器学习工程师。
