🤖 机器学习基础
🧠 机器学习 (Machine Learning)
让计算机通过数据学习并改进性能的算法科学
通过分析大量图片数据，学会识别猫和狗的区别，这就是典型的机器学习应用。
🔄 监督学习 (Supervised Learning)
使用标记数据进行训练的学习方式
给定一堆已标记的图片（猫、狗），让模型学习分类。
🔍 无监督学习 (Unsupervised Learning)
使用无标记数据发现模式的学习方式
聚类分析：将用户按行为习惯分成不同群体。
🧠 深度学习基础
🕸️ 神经网络 (Neural Network)
模仿人脑结构的计算模型
神经网络由输入层、隐藏层、输出层组成，通过权重调整来学习。
📐 卷积神经网络 (CNN)
专门用于处理图像的神经网络
人脸识别、自动驾驶中的视觉感知都用CNN。
🔁 循环神经网络 (RNN)
适合处理序列数据的神经网络
自然语言处理、语音识别、时间序列预测。
⚡ Transformer
当前最主流的深度学习架构
GPT、Claude等大模型都基于Transformer架构。