### 關鍵技與方法
#### 1. **機學習**
- **監督學習**：使用標註資料訓練模型，使其能夠預測新資料的輸出。常見的任務包括分類和迴歸。
- **無監督學習**：使用未標註資料訓練模型，發現數據中的結構和模式。常見的任務包括聚類和降維。
- **強化學習**：智慧過與環境互，學習採取行以最大化累積獎勵。常見的應用包括遊戲AI和機人控制。
#### 2. **深度學習**
- **神經網路**：深度學習基於人工神經網路，特別是深度神經網路（DNN）。神經網路由多個層次組，每層包含多個神經元。
- **卷積神經網路（CNN）**：特別適用於影像理任務，過卷積層提取影像特徵。
。係關賴依間時的中料資捉捕夠能NNR。理言語然自和列序間時如，料資列序於用適：**）NNR（路網經神圈迴**-
**）PLN（理言語然自**.3####
。等詞用停除去、取提幹詞、詞分括包：**理預字文**-
。字文言語然自生和解理夠能，等TPG、TREB如：**型模言語**-
。譯翻自行進型模）qeS2qeS（列序到列序用使：**譯翻機**-
**覺視機算計**.4####
。類分行進像影對NNC用使：**類分像影**-
。置位其位定並件定特的中像影別識：**測檢標目**-
。像影的新生）NAG（路網抗對生用使：**生像影**-
結總###
。策決慧智出做並習學中料資從夠能統系IA，技和驟步些這過。等覺視機算計和理言語然自、習學度深、習學機括包法方與技鍵關。驟步個多等習學與饋反及以策決與理推、化佳最與估評型模、程工徵特、練訓與擇選型模、理預與集收料資及涉理原行執的IA
