機器學習
機器學習
機器學習是人工智慧（AI）的分支，著重於訓練電腦從資料中學習，並根據經驗改進，而不是按照明確的。在機器學習中會訓練演算法尋找大型資料集的模式和關聯性，並根據該分析做出最佳決策和預測。機器學習應用程式會隨著使用不斷改善，存取的資料越多、準確度越高。機器學習廣泛應用於我們的家中、購物車、娛樂媒體，以及醫療保健業。資料來源：https://www.sap.com/taiwan/insights/what-is-machine-learning.html
簡單的說明，如果要預測明天的天氣，必需收集很多天的溫度、溼度、風力與風向等，這時候我們就可以假設一條數學式為a×溫度＋b×溼度＋c×風力＋d×風速=數值，讓電腦去調整出1組最佳的a、b、c、d參數得到1個數值，每天所得到這1個數值，都可以推算出當天是晴天、雨天或陰天。這種找到最佳演算功式的過程就如同人類在學習一樣，所以就稱為人工智慧的學習。
a、b、c、d要如可選？先想成隨機。經過學習後會產生一組最佳的
•一開始的參數可能是隨機的
•目標數值 = a x 溫度+ bx溼度 + cx 風力+dx 風向+......
•關鍵：如何從算出來的數值跟「目標數值」之間的落差，一直調整參數到找出目標數值。
•學習出來的整個「參數的架構」,就稱為「模型」
簡易歷史沿格
資料收集與處理
資料來源：https://www.inside.com.tw/feature/ai/9854-ai-history
作業---請繳交高美溼地三種螃蟹各有什麼特徵？
思考:
利用AI影像辨識來捉犯人，免得犯人再次作案。思考一下，可不可以直接訓練機器在人還沒有犯罪之前就直接判定這個是犯人，做好預防犯罪。(思考貧窮)
機器學習四模式
監督式學習、非監督式學習、半監督式學習及強化式學習
監督學習從給定的訓練資料集中學習出一個函數，當新的資料到來時，可以根據這個函數預測結果。監督學習的訓練集要求是包括輸入和輸出。常見的監督學習演算法包括迴歸分析和統計分類。舉個例子；汔車銷售員，可建立客戶的基本資料（教育程度、薪資的高低、從事的工作及家裏的人口數（特徴）），並紀錄最終是否買車。當下一個客戶來看車時，銷售員就可以根據客戶的基本資料來判別這個客戶買車的機率。
如果我們把這個工作交給電腦，它就會根據資料來源，輸出精確的買車機率，這就是監督式學習的一種應用。
資料來源：https://www.sap.com/taiwan/insights/what-is-machine-learning.html
判別您像大明星嗎？判別您像那位同學？
請找3位同學建立類別。
預測您像那位同學？
全班收集個男明星或1個女明星的照片？
上傳teachable machine建立類別