1.人类及动物的学习模式：观察->学习->技能
机器学习的模式：data->ML(机器学习)->skill
2.那什么是skill:技能是某种表现方法的增进 eg:stackdata->ML->more investment gain
3.为什么需要机器学习而不是简单的定义：因为现实中的问题往往比较复杂，不能简单的定义。eg:怎么定义一棵树，只能learn from data.
4.碰到问题了，判断是否可以运用机器学习，三个方面来判断：
1）：pattern:是否存在一些潜在的模式（表现方法可以增进eg:预测股市）
2）：definition：潜在的模式不容易被定义（所以需要机器学习）
3）：data:是否有足够与潜在模式相关的data
5：机器学习的一般流程：
感谢：
機器學習基石 (Machine Learning Foundations)
by Hsuan-Tien Lin, 林軒田