第一天上午
==
https://www.canva.com/design/DAGBi7atV-M/FhCJ6k8nDJfKPHcaru2PYg/edit?utm_content=DAGBi7atV-M&utm_campaign=designshare&utm_medium=link2&utm_source=sharebutton

desmos連結:https://www.desmos.com/calculator/4xowbt2oxm
https://www.desmos.com/calculator/oe8jbbazcl
https://www.desmos.com/calculator/1lm7ie8j9a

節點
1. 為什麼要學AI
2. AI vs ML vs DL
3. AI 基礎概念
4. ML
5. 監督 vs 非監督 vs 半監督 vs 強化式學習
6. DL
7. 神經網路基礎架構
8. 梯度下降

問題:
是貓還是狗，為什麼?
在0~1之間，對應數學的什麼概念
self-training:
訓練集和測試集比例
對迴歸有用嗎
直推式學習:
分群可以用之前的什麼演算法
投票像是之前哪個演算法的精神
如果今天被丟到山上，想下山，要往下走，必須知道往哪邊斜，數學上有沒有可以知道往哪邊斜、陡峭程度的概念

圖靈測試(模仿遊戲)
1997 擊敗西洋棋冠軍
人類智慧: 經驗和標籤
AI核心: 找到最恰當的模型

機器學習:

演算法:
監督式學習:
線性回歸法(Linear Regression)
邏輯回歸法(Logistic Regression)
決策樹(Decision Tree)
隨機森林法(Random Forest)/梯度提升樹(GBDT)
最近鄰居法(KNN)
單純貝氏分類器(Naive Bayes Classifier)
支持向量機(SVM)

非監督式學習:
K-平均算法(K-Means Clustering)

都不是:
強化學習(RL)

深度學習:
模仿人類的神經網路
卷積神經網路
生成對抗網路

李弘毅:
機器學習(機器自動找一個函式)
回歸(regression): 輸出數值
分類(Classification): 輸出類別(選擇題)
Structured Learning/Generative Learning(生成式學習)



資料:
https://medium.com/@SCU.Datascientist/python%E5%AD%B8%E7%BF%92%E7%AD%86%E8%A8%98-%E8%81%9A%E9%A1%9E%E5%88%86%E6%9E%90k-means-clustering-63fd65027c98
https://chih-sheng-huang821.medium.com/%E6%A9%9F%E5%99%A8%E5%AD%B8%E7%BF%92-%E9%9B%86%E7%BE%A4%E5%88%86%E6%9E%90-k-means-clustering-e608a7fe1b43
https://medium.com/programming-with-data/k-%E8%BF%91%E9%84%B0%E6%BC%94%E7%AE%97%E6%B3%95-k-nearest-neighbors-72b6cec68367
https://chih-sheng-huang821.medium.com/%E6%A9%9F%E5%99%A8%E5%AD%B8%E7%BF%92-%E5%9F%BA%E7%A4%8E%E6%95%B8%E5%AD%B8-%E4%BA%8C-%E6%A2%AF%E5%BA%A6%E4%B8%8B%E9%99%8D%E6%B3%95-gradient-descent-406e1fd001f
https://ithelp.ithome.com.tw/articles/10319436
https://sponge611.medium.com/transductive-inference%E5%92%8C-inductive-inference%E7%9A%84%E5%B7%AE%E7%95%B0-9f45afe4b4dc
https://www.youtube.com/watch?v=fX_guE7JNnY&list=PLJV_el3uVTsPy9oCRY30oBPNLCo89yu49&index=21
https://www.youtube.com/watch?v=aircAruvnKk

{%hackmd AkrfIbY9QdC81IwIukVVPQ %}