【4K】【人工智能-入门系列课程】人人都能学AI-02机器学习
数据集：一个数据表格， 我们也称之为数据集。
例子1：
如果你想建立 一个AI系统或机器学习系统, 以帮助 您设置房子的价格 或者看已有定价是否合理, 你可能会把A设定为房子的大小 把B设房子的价格 然后让一个AI系统去学习 这个输入到输出的过程，或者说 A 到 B 的映射。 但我们不想只是 根据房子的大小来定价 你可能会想要 收集 房间数量的数据。 这样的话, A 就可以代表前两列数据, B 可以只代表房子的价格。 所以, 当给定一个数据表, 这时侯就取决于你 或者你的业务所需 来决定什么是 A, 什么是 B。 您的企业通常会有很独特的数据, 像这个数据例子, 可能来自于一个称城乡机构 他们想给新建的房子定价。 这就完全由你来决定什么是 A 什么是 B, 以及如何定义 A 和 B，以此增加你的业务有价值。 另一个例子是，如果你有一定的预算 你想知道 你能买得起多大的房子 那么你可能会把 输入 A 定义为在一个房子上的花费 把B 定义为房子的大小, 这将是对A 和 B 完全不同的选择 它们会告诉你 在某一个预算下 多大的房子 是你可能会考虑的
例子2：
假设您要构建 识别图片中的猫的人工智能系统。 虽然我不知道你为啥要建这么一个系统， 但也许这是一个有趣的手机app。 你想给猫的照片贴上标签 你可以收集一个数据集, 其中 输入 A 代表一组 不同的图像， 输出 B 是它们的标签, 例如 "第一张照片是一只猫, 第二张不是猫。 这是一只猫, 那不是一只猫 ", 这个AI 系统接收图片 A 然后输出 一个标签。也就是说你可以用以标记 所有 在你的照片集或移动App里猫咪照片 在机器学习的传统中, 有很多关于猫的例子。 我觉得其中的一些是在我 领导谷歌大脑团队的时候 那时我们公布了一些结果， 是有关谷歌猫的。 在这个项目里，人工智能系统 从youtube 视频中学习如何会识别猫。 自那以后, 把猫作为一个谈论 机器学习的例子就成为了习俗。
因此, 数据相当重要 但如何获得数据？ 如何收集数据？ 获取数据的方法之一是手动标记。
人工智能的各种应用，根据输入输出输入的不同
1、基本是log函数的效果，效果逐步递增。
传统AI-->小型神经网络-->中性神经网络-->
大型神经网络
2、数据即一切，是最核心的价值。
