概述
Machine learning 三步骤
框架：
定义中英对照表
| English | Chinese |
|---|---|
| Reinforcement learning | 强化学习 |
| Supervised learning | 监督学习 |
| Reinforcement learning | 无监督学习 |
| linear | 线性 |
| Network Architecture | 网络架构 |
| Gradient Descent | 梯度下降 |
| Adversarial Attack | 对抗攻击 |
| Explainable AI | |
| Network Compression | 网络压缩 |
| Anomaly Detection | |
| Transfer Learning | 迁移学习 |
| Meta learning | 元学习 |
| life-long learning | 终身学习 |
| Regression | 回归 |
| parameter | 参数 |
| feature | 特征 |
| optimal | 最优的 |
| convex | 凸函数 |
| overfitting | 过拟合 |
| generalization | 一般化 |
| regularization | 正则化、规范化 |
| bias | |
| variance | |
| estimator | 估计、预估 |
| validation set | 验证集（training data的一部分） |
| cross validation | 交叉验证 |
| optimization | 最佳化、最优化 |
| root mean square | 均值平方根 |
| prior | |
| vector | 向量 |
| gaussian distribution | 高斯分布 |
| maximum likelihood | 最大似然 |
| naive bayes | 朴素贝叶斯 |
| sigmoid function | S型函数 |
| logistic Regression | 逻辑回归 |
| cross entropy | 交叉熵 |
| Bernoulli Distribution | 伯努利分布、二项分布 |
| generative model | 生成模型 |
| Discriminative Model | 判别模型 |
| Neuron | 神经元 |
| neural network | 神经网络 |
| modularization | 模块化 |
| speech recognition | 语音辨识 |
| Backpropagation | 反向传播 |
| chain rule | 链式法则 |
| recursice | 递归的、循环的 |
| convolutional neural network | CNN,卷积神经网络 |
| subsampling | 二次抽样 |
| filter | 过滤器 |
| Feature map | 特征图谱 |
| feedforward | 前馈 |
| dimension | 方面，维数 |
| initial | 最初的 |
| gradient vanishing | 梯度消失 |
| gradient explode | 梯度爆炸 |
| neural turing machine | 图灵机 |
| Semi-supervised learning | 半监督学习 |
| Support Vector Machine（SVM） | 支持向量机 |
| Perception | 感知 |
