了解機器學習
機器學習需要將大量資料饋送至演算法，然後處理此資料以尋找模式和關聯性。
例如，如果您提供 AI 模型您過去吸塵習慣和住家配置的資料，則所產生的模型可用於將機器人吸塵器的程式設計成以與您類似的模式清掃地毯。 現在想像一下，這些機器人中有許多會被售出，將其所有的吸塵資料傳回給開發人員。 使用機器學習來偵測模式可探索更有效率的移動模式，並將所有相同設計的機器人吸塵器的路徑最佳化。
在第一個影片中，您會進一步了解什麼是機器學習。
機器學習是使用演算法建立預測模型的 AI 技術。 這些模型會根據已知資料進行驗證、由特定計量測量，並視需要進行調整。 這種學習和驗證流程稱為定型。 透過重新定型，機器學習模型可隨著時間改善。 此外，還有如何定型模型的重要方法，例如監督式學習、非監督式學習以及增強式學習。
在下一個影片中，您會了解這些方法之間的差異，並了解其稱為深度學習的分層組合。