要学习一个东西，需要先想清楚为什么而出发，以及怎么能达到自己想要的效果。当然也不能太执着于自己的目标，沿途的风景也是非常美丽的，如果路边的风景你觉得很美就停下来欣赏，机器学习也一样。对于我来说，是想初步的了解一下机器学习，以及思考如何更有效的应用。

机器学习有什么用？我们每次坐飞机都要安检，这是一道程序，这个程序背后的含义和软件程序非常相似，都是一段固定的流程。这种简单的固定的流程，我们可以用软件来实现（例如开闸机），但是对于复杂的场景就很难用代码来实现。例如身份识别，因为每个人脸都不一样，还有可能理发或者受伤，用软件程序来全部适配几乎不太可能，这就是机器学习最初的目标。

如何实现这个目标呢？不直接编写人脸识别的软件，而是编写一个“学习”软件，让机器去学会识别人脸。要让人学会做一件事，那么给他很多案例去学习就行了，机器也是一样。我们需要给机器准备很多案例，然后通过代码来告诉他案例怎么看，以及目标是什么。

最近火热的深度学习是什么呢？深度学习是机器学习的一个主要分支，解决了机器学习的一些痛点。深度学习关注的功能强大的模型，这些模型由大量数据和错综复杂的神经网络训练而成。机器学习需要根据具体场景进行设计，所需的数据量更小，应用场景更窄一点。

小结一下：

• 从解决问题的角度来看，所需的数据量从小到大为：普通程序 < 机器学习的经典方法 < 深度学习。
• 机器学习后的，会将自己的经验存在大脑🧠里，而这个大脑就是模型 —— model 文件。
• 我们普通人要中考、要高考，机器也需要考试，而这个考试通常被称为目标函数，有时也叫做损失函数。
• 该学的东西都学过了，可是效果还是不好，怎么办呢？那再拿来学一遍？对于机器可能没什么用，它们的记忆力超级好。那咋办？给他上碗鸡汤，画个饼（雾。可能用“给他上思想教育课”比较恰当，告诉机器什么东西更有价值。也就是要采用“优化算法”，大部分优化算法都基于一种基本方法——梯度下降。