“这次课介绍了机器学习的定义，比较严肃、学术化的定义。”
01
—
视频
02
—
学习笔记
这次视频虽然也只是6分多钟，但是干货不少。主要有三个知识点：
- 机器学习的定义；（这是本次视频的重点内容）
- 机器学习算法的分类；（本次视频只是引子，后续课程会更详细介绍）
- 本系列课程的优点。（软广告）
2.1 机器学习的定义：
机器学习领域的创始人Arthur Samuel（亚瑟·塞缪尔）早在1959年就给机器学习（Machine Learning，ML）下了定义：机器学习是这样的一个研究领域，它能让计算机不依赖确定的编码指令来自主的学习工作。
Arthur Samuel不仅仅是给ML下了定义，他还开发了一个机器学习的系统，能够通过跟人下跳棋来学习提升机器自身的下跳棋的水平，通过成千上万次的学习之后Arthur Samuel的ML机器能够和Arthur Samuel的下棋水平相当了。
现在看来好像这个程序平平无奇，但你要想想那是1959年，那时候没有显示器、没有高级编程语言，我们的机器学习领域的开山鼻祖就靠汇编语言和一堆发光管开创了机器学习这样一个NB的流派，真让人叹服。
到了1998年，Tom Mitchell对机器学习的定义做了更好的定义。引入了三个概念：经验Experience（E）、任务Task（T）、任务完成效果的衡量指标Performance measure（P）。有了这三个概念，机器学习的定义可以更加严谨：就是在有了经验E的帮助后，机器完成任务T的衡量指标P会变得更好。
从一个例子来看：好比我们的电子邮箱通过学习你平常标记邮件是否为垃圾邮件的行为，来更好的为我们过滤垃圾邮件。这个事里面，E、T、P分别是什么呢？
- 将邮件归类为垃圾邮件和非垃圾邮件，（这个是ML的任务T）；
- 用户标记为垃圾邮件、非垃圾邮件的历史，（这个是ML的经验E）；
- ML标记垃圾邮件、非垃圾邮件的正确率，（这个是ML的衡量指标P）。
2.2 机器学习算法的分类：
机器学习算法主要包括：有监督学习、无监督学习，那什么是有监督什么是无监督呢？更详细介绍会出现在后面几个视频中。笼统来说：有监督就是有老师带着ML提升技能，而无监督就是ML自学来提升技能。
除此之外，我们还会在吴老师的课程里接触到强化学习、推荐系统。
2.3 本系列课程的优点：
吴恩达老师的最大优势是，既有理论又有实践（而且是google、baidu这种国内外人工智能技术最优秀的公司的实践）。所以他既能教我们理论、又能教我们如何使用这些理论。
吴老师说这话虽然有点广告嫌疑，但一点都不吹牛，而且还让人觉得挺谦虚的。
他提到曾经走访硅谷的一些公司，看一些技术人员试图用某种ML的方法解决一些实际问题，吴老师搭眼一瞄就知道别人半年多的努力方向是错误的。所以我们花几个周的时间认真学习吴老师的课程，可能在将来工作的时候可以节省很多个半年的时间，很划算！
