斯坦福大学机器学习公开课学习—1.机器学习的动机与应用
介绍了课程主要内容包含以下4点
1.supervised learning(监督学习)
2.learning theory(学习理论)
3.unsupervised learning(非监督学习)
4.reinforcement learning(强化学习)
其中介绍了很多例子，有一些例子还是非常有趣的；
而且通过课程内容我发现机器学习的应用范围真的比之前想象的大多了，而且现在也的确在很多领域取得了很大的成就。
监督学习介绍了回归问题，分类问题
学习理论主要强调算法本生的理论基础，解决的问题包括不限于什么时候利用什么算法通过怎样的训练能够达到怎样的学习目标；同时强调了机器学习算法很重要但是学习如何正确的利用这些算法到实际的应用中才是更加重要的部分
非监督学习介绍了聚类，社会网络分析等，给出的图片转成3D景象的例子很不错
强化学习介绍了这是一种根据不断的输入和反馈进行不断学习的方式
总的来说，大致介绍了机器学习的一些典型的应用实例，具有很好的带入感，我听完之后的确觉得机器学习是一件很有意思很美妙的事情。
