1 機器學習的三個方面

1.1 數(shù)據(jù)
包括數(shù)據(jù)采集、增強和質(zhì)量管理，相當于給人工智能模型學習什么樣的知識
第一、什么專業(yè)的知識；
第二、知識是否有體系，也就是說樣本之間是否存在某種關聯(lián)、差異等，這個涉及到樣本選擇等問題；
第三、知識的質(zhì)量如何，如果是垃圾，得到的模型也很差，這個涉及到數(shù)據(jù)質(zhì)量評估、異常點檢測、數(shù)據(jù)中毒攻擊及防范等。
1.2 模型
選取什么樣的模型，使用什么樣的神經(jīng)元來構(gòu)造大腦，通常這個部分都是在已有的模型上進行修改，重構(gòu)新的模型太難
1.3 學習方式
有了數(shù)據(jù)，有了模型后，如何來訓練模型，方式就非常多，有課程學習、遷移學習、強化學習、聯(lián)邦學習、小樣本學習等。

2 機器學習的兩大問題

2.1 擬合能力

2.2 泛化能力