工业革命是让机器干人干不了事，智能革命是让机器干人能干的事
机器学习是一门需要不断实验和试错的科学，拥有大量的数据几乎比拥有一个好的算法还要重要，没有一个机器学习模型能够对所有的问题都是最有效的。
人工智能、机器学习、深度学习之间的关系
人工智能（AI）
强化学习（Reinforcement Learning）
在这种学习模式下，输入数据作为对模型的反馈，不像监督模型那样，输入数据仅仅是作为一个检查模型对错的方式，在强化学习下，输入数据直接反馈到模型，模型必须对此立刻作出调整。常见的强化学习算法有时间差学习。
强化学习解释
迁移学习
迁移学习会让机器学习在这些非常珍贵的大数据和小数据上的能力全部释放出来。
迁移学习是深度学习与强化学习的结合体，能够将适用于大数据的模型迁移到小数据上，实现个性化迁移，这样一来能够避免数据寡头的出现。
当今全世界都在推动迁移学习，当今 AAAI 中大概有 20 多篇迁移学习相关文章，而往年只有五六篇。与此同时，如吴恩达等深度学习代表人物也开始做迁移学习。为什么呢？因为要在一个领域找到高质量的数据非常难，而把现成的模型用在高质量数据量少的领域则是非常好的解决方案。
数据挖掘
数据挖掘在通过算法得到的结果上，采用描述性统计学解释问题
从0 到 1，机器学习入门指南
从0 到 1，机器学习入门指南介绍的内容为：
- 什么是机器学习？（房屋价格预测）
- 机器学习的求解过程（初始化->计算结果->求解最小成本）
- 什么是神经网络？
- 神经网络记录状态（超级马里奥、单词预测）
- 卷积神经网络（手写字符识别）
- 算法评估（）
- 人脸识别的例子
