深度学习的概念：
深度学习的概念源于人工神经网络的研究，是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数 据，例如图像，声音和文本。
机器学习的两种典型任务
机器学习的两种典型任务：分类和回归；分类则是定性，目的是寻找决策边界；回归则是定量，目的是寻找最优拟合。
机器学习的分类
有监督学习
利用大量的标注数据来训练模型。每条数据都有正确答案，通过模型预测结果和正确结果的误差不断优化模型参数。
无监督学习
无监督学习不依赖任何标签值。只有数据没有答案，常见的有聚类算法，通过衡量样本之间的距离来划分类别。
半监督学习
通过有标签的数据和无标签的数据来训练模型，利用大量无标注数据和少量有标注数据进行模型训练。
自监督学习
机器学习的标注源于数据本身，而非人工标注。通过对数据进行处理，让数据的一部分成为标签，由此构成大规模数据进行模型训练。
远程监督学习
主要用于关系抽取任务，采用bootstrap思想（利用现有的资源生成新的、有助于提高模型性能的资源，无论是数据还是模型本身）通过已知三元组在文本中找到共现句，自动构成有标签数据，进行有监督学习。
强化学习
根据已有的经验，采用系统或随机的方式，去尝试各种可能答案进行学习，并通过环境反馈的奖赏来决定下一步的行为，并为了获取更好的奖赏进一步强化学习。