###### tags: `Data Science`
# **Basic Artificial Intelligence**
為避免中英文翻譯問題，故統一使用英文名詞
(如強化學習、增強式學習 = Reinforcement Learning)

- [監督式學習？增強學習？聽不懂的話，一定要看這篇入門的機器學習名詞解釋！](https://www.inside.com.tw/article/9945-machine-learning)

# Artificial Intelligence
### 如何以電腦解決問題

早期的人工智慧研究聚焦在邏輯推論的方法，專注於模仿人類推理過程的思考模式。由於需要百分之百確定的事實配合，因此在實務上不容易使用。

直到關於人工智慧的研究方向越來越多元，涵蓋了包括統計學、機率論、逼近論、博弈論等多門領域的學科；而硬體儲存成本下降、運算能力增強，加上海量數據，今日的人工智慧已能從資料中自行學習出規律，這便是時下資料科學的最熱門技術「機器學習」。

# Machine Learning
### 從資料中自行學會技能

讓電腦能夠自行從歷史資料中學會一套技能，並能逐步完善、精進該項技能。

我們也可從過去的天氣資料中、找出有下雨的天氣特徵，並在進來一個新的天氣情境資料時能計算下雨的機率，以進行氣象預測。

或是垃圾郵件過濾（判斷要不要把郵件丟到垃圾桶）、股市漲跌（判斷特定情境下這檔股票會漲會跌）、醫療病徵判斷（判斷有了這些症狀後, 患者有得病沒得病）… 各產業領域皆可應用機器學習技術。

### 四種機器學習類別

- **Supervised Learning**
用大量==已標籤答案==的資料訓練出一個模型，將新的資料輸入模型，標籤的正確率即為準確率。
例:用一千張貓狗的照片訓練模型，預測下一張新照片是貓或狗。

- **Unsupervised Learning**
用==無標籤答案==的訓練資料，依照資料間的關聯性將其分群。
example: 集群是依據資料的分布找到資料間的相似性，而關聯規則則是以資料一起出現的情況、來考量資料的相似性，例如在分析超市的購物紀錄時，我們可能會發現「買月餅的人也會買烤肉架」。

- **Semi-supervised Learning**
先給定部分的有標籤資料,再進行分群動作
example: 用【貓狗、蛇、昆蟲】的照片進行訓練,模型可以得到【熊】比較接近【貓狗】而不是昆蟲


# Neural Network
- **Feedforward Neural Network**
前饋神經網路
指單向神經網路，最早發明的簡單人工神經網絡類型。在它內部，參數從輸入層向輸出層單向傳播。有異於循環神經網絡，它的內部不會構成有向環。[[wiki]](https://zh.wikipedia.org/wiki/%E5%89%8D%E9%A6%88%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C)

# **Deep Learning**
### Convolutional Neural Network
### Recurrent Neural Network
### Reinforcement Learning
### GAN