当前课程知识点：人工智能原理 > Part V. Learning: Chapter 11. Paradigms in Machine Learning（第V部分 学习：第11章 机器学习的范型） > 11.5 Summary（小结） > html
机器学习的范式用于区分机器学习中不同的原型。一个学习范式就是刻画一种学习的原型，基于对学习的经验、或者与环境的交互。
对范式的类别进行研究的意义在于，为了使学习任务能够达到好的效果，会使你思考去选择一个合适的范式；反过来，了解了学习范式的类别之后，会加深对学习任务的理解。
这一章我们着重学习了三种代表性的范式：
- 有监督学习：是一种“样本学习（learning-by-examples）“的范式
- 无监督学习：是一种“自我学习（learning-by-itself）”的范式
- 强化学习：是一种“在线学习（online-learning）”的范式。
此外，还简单介绍了其它几种范式：
- Ensemble（集成式）：将大量的弱学习器组成一个强学习器
- Learning to learn（学会学习）：基于先前的经验学会自身的归纳性偏向。
- Transfer（迁移式）：关注于已学习的知识并将其用于不同但相关的问题
- Adversarial learning（对抗式）：以一种对抗性方式（即零和博弈）来生成满足某种分布的数据。
- Collaborative learning（协同式）：以一种非对抗的协同方式（即双赢）来获取所期待的结果
-1.1 Overview of Artificial Intelligence (人工智能概述)
--Video
-1.2 Foundations of Artificial Intelligence(人工智能基础)
--Video
-1.3 History of Artificial Intelligence(人工智能历史)
--Video
-1.4 The State of Artificial Intelligence(人工智能现状)
--Video
-1.5 Summary (小结)
--html
-Part I. Basics: Chapter 1. Introduction
-2.1 Approaches for Artificial Intelligence(人工智能研究途径)
--Video
-2.2 Rational Agents (理性主体)
--Video
-2.3 Task Environments (任务环境）
--Video
-2.4 Intelligent Agent Structure （Agent的结构）
--Video
-2.5 Category of Intelligent Agents（Agent的分类）
--Video
-2.6 Summary（小结）
--html
-Part I. Basics: Chapter 2. Intelligent Agent
-3.1 Problem Solving Agents（问题求解Agent）
--Video
-3.2 Example Problems（问题实例）
--Video
-3.3 Searching for Solutions（通过搜索求解）
--Video
-3.4 Uninformed Search Strategies（无信息搜索策略）
--Video
--Video
--Video
--Video
--Video
--Video
-3.5 Informed Search Strategies（有信息搜索策略）
--Video
--Video
-3.6 Heuristic Functions（启发式函数）
--Video
-3.7 Summary（小结）
--html
-Part II. Searching: Chapter 3. Solving Problems by Search
-4.1 Overview（概述）
--Video
-4.2 Local Search Algorithms（局部搜索算法）
--Video
--Video
--Video
-4.3 Optimization and Evolutionary Algorithms (优化和进化算法）
--Video
-4.4 Swarm Intelligence and Optimization(群体智能和优化)
--Video
-4.5 Summary（小结）
--html
-Part II. Searching: Chapter 4. Local Search and Swarm Intelligence
-5.1 Games（博弈）
--Video
-5.2 Optimal Decisions in Games（博弈中的优化决策）
--Video
-5.3 Alpha-Beta Pruning（Alpha-Beta剪枝）
--Video
-5.4 Imperfect Real-time Decisions（不完美的实时决策）
--Video
-5.5 Stochastic Games（随机博弈）
--Video
-5.6 Monte-Carlo Methods（蒙特卡洛方法）
--Video
-5.7 Summary（小结）
--html
-Part II. Searching:
-6.1 Constraint Satisfaction Problems (约束满足问题)
--Video
-6.2 Constraint Propagation: Inference in CSPs（约束传播：CPS中的推理）
--Video
-6.3 Backtracking Search for CSPs（CPS的回溯搜索）
--Video
-6.4 Local Search for CSPs（CPS局部搜索）
--Video
-6.5 The Structure of Problems（问题的结构）
--Video
-6.6 Summary（小结）
--html
-Part II. Searching: Chapter 6. Constraint Satisfaction Problem
-7.1 Overview（概述）
--Video
-7.2 Knowledge Representation（知识表示）
--Video
-7.3 Representation using Logic（逻辑表示）
--Video
-7.4 Ontological Engineering（本体工程）
--Video
-7.5 Bayesian Networks（贝叶斯网络）
--Video
-7.6 Summary（小结）
--html
-Part III. Reasoning: Chapter 7. Reasoning by Knowledge
-8.1 Planning Problems（规划问题）
--Video
-8.2 Classic Planning（经典规划）
--Video
-8.3 Planning and Scheduling（规划与调度）
--Video
-8.4 Real-World Planning（现实世界规划）
--Video
-8.5 Decision-theoretic Planning（决策理论规划）
--Video
-8.6 Summary（小结）
--html
-Part IV. Planning: Chapter 8. Classic and Real-world Planning
-9.1 What is Machine Learning（什么是机器学习）
--Video
-9.2 History of Machine Learning（机器学习的历史）
--Video
-9.3 Why Different Perspectives（为什么需要不同的视角）
--Video
-9.4 Three Perspectives on Machine Learning（机器学习的三个视角）
--Video
-9.5 Applications and Terminologies（机器学习的应用及有关术语）
--Video
-9.6 Summary（小结）
--html
-Part V. Learning: Chapter 9. Perspectives about Machine Leaning
-10.1 Classification（分类）
--Video
-10.2 Regression（回归）
--Video
-10.3 Clustering（聚类）
--Video
-10.4 Ranking（排名）
--Video
-10.5 Dimensionality Reduction（降维）
--Video
-10.6 Summary（小结）
--html
-Part V. Learning: Chapter 10. Tasks in Machine Learning
-11.1 Supervised Learning Paradigm（有监督学习范式）
--Video
-11.2 Unsupervised Learning Paradigm（无监督学习范式）
--Video
-11.3 Reinforcement Learning Paradigm（强化学习范式）
--Video
-11.4 Other Learning Paradigms（其他学习范式）
--Video
-11.5 Summary（小结）
--html
-Part V. Learning: Chapter 11. Paradigms in Machine Learning
-12.1 Probabilistic Models（概率模型）
--Video
-12.2 Geometric Models（几何模型）
--Video
-12.3 Logical Models（逻辑模型）
--Video
-12.4 Networked Models（网络模型）
--Video
-12.5 Summary（小结）
--html
-Part V. Learning: Chapter 12. Models in Machine Learning
