在本学期在学校选修一本神经网络的课程，根据老师的推荐加入了这个机器学习的特训营，在这里听李宏毅老师讲机器学习的相关内容，在此过程中认识可爱的班班以及一众大神。本次特训营即将结束，在此总结一下自己的心得体会。

首先，在这次学习中，知道了什么是机器学习

机器学习即根据给出的数据寻找到一个合适的函数，并可以得到理想的输出。具体过程分为

1、确定Model：Model就是a set of function（函数的集合），一个Model有很多个函数，通过函数我们得到想要的output。

2、评价函数（Goodness of function）:因为有许多的函数，我们要通过一个确定的方式去挑选出最好的函数，通常我们用loss function 去评价一个函数的好坏。

3、挑选并使用函数。

在此次学习中学习了很多的课程，其中有回归，梯度下降，，分类，卷积神经网络等等。下面是机器学习地图：

如图所示，就是学习地图。可见，机器学习以情景分类，可以分为：

1）Supervised Learning：即给定系统各个输入（input）以及对应的确定的输出（label），告诉系统：我给你一个X，你就要输出确定的输出Y，这也是最常用的机器学习方式。

2）Semi-supervised Learning：有些情况下，我们手中的数据不够，有一部分输入对应确定的输出，但有一部分没有确定的输出（即一些input缺少label），这种情况就是半监督学习。

3）Unsupervised Learning：所有input都没有label，即机器在没有任何监督它，只给它大量的输入，让它根据输入数据自己总结规律。（例如新闻分类）

4）Transfer Learning：迁移学习，可以有label也可以没有label。比如我们有个模型可以识别猫和狗，我们将它迁移使用，用来识别大象和老虎。也就是数据都变了，但想模型重复使用。

5）Reinforcement Learning：
通过这些知识的学习，使我收获了很多，更加了解机器学习，为我以后使用机器学习方法奠定了相关知识基础。希望以后自己能继续学习，好好掌握知识。