1.1.简要概述

        机器学习有三个要素：数据、模型、算法，其中模型是机器学习的核心。一般机器学习分为有监督学习和无监督学习。

1.2.有监督学习

定义
        用已知某种或某些特性的样本作为训练集，以建立一个数学模型（如模式识别中的判别模型，神经网络中的权重模型等），再用已建立的模型来预测未知样本，此种方法称为有监督学习。
算法

• 线性回归
• 朴素贝叶斯
• 逻辑回归
• 决策树模型
• 向量机
• 支持向量回归
• 隐马尔科夫
• 条件随机场模型
• ...

1.3.无监督学习

定义
        根据类别未知（没有被标记）的训练样本解决模式识别中的各种问题，称之为无监督学习。在现实中，经常用来作为有监督的辅助手段。
算法

• 聚类
• 高斯混合
• 主成分分析
• ...

1.4.AI的职业发展

1. 算法工程师
2. 调参工程师
3. 数据工程师