第13课  机器学习：今天的草莓甜不甜

标签是什么？特征是什么？过拟合是什么？泛化又是什么？

在机器学习中，大小、色泽、质地被称为特征，较小、鲜艳、较软对应的是属性值，酸和甜则被称为标签。机器学习就是要找到特征与标签之间的关系，来判断草莓是不是甜的。通过数据学得模型的过程就是我们说的学习/训练。在学习过程中有时太过认真认识已有草莓，会造成无法判断其他草莓甜不甜的情况，叫过拟合。我们希望学得的模型能很好的认识新的草莓，这种能力叫做泛化，一般训练样本越多，就能越准确判断新草莓甜不甜。

第14课  人工智能入门，读什么书比较好？

这是一支先导视频，带大家先复习一下本季重点——「计算机视觉」，并分享了人工智能入门最佳参考书目。

《机器学习》周志华、《统计学习方法》李航、 《计算机视觉：算法与应用》

第15课  计算机视觉包含哪些任务？与计算机图形学的区别是什么？

除了之前我们提到的图像分类、物体检测、语义分割、视频分析四个核心任务，计算机视觉还会研究哪些课题？ 计算机视觉和计算机图形学之间的区别是什么？

计算机视觉输入的是图像或视频，输出的是对画面内容的理解，也就是对现实世界的理解；计算机图形学输入的是对虚拟场景的描述，输出的是图像。 

第16课  只要一分钟，人脸识别了解一下！

人脸识别是如何完成的？ 人们常说的 1:1 场景和 1:N 场景指的是什么？

机器先对图片中的人脸进行定位和预处理，然后学习人脸的轮廓、纹理等各种细节，并输出一连串的特征值。

第17课  人脸识别用在哪儿？

人脸识别已经在我们的生活中有哪些应用？ 除了这些已有场景，人脸识别还能用在哪儿？  

第18课  FaceID 原理揭秘：iPhone X 是如何识别人脸的？

讲了这么多期人脸识别，iPhone X 的人脸识别有哪些特殊之处？  采用结构光的方法，通过向人脸投射光，再读取物体表面的反光信息来确定人脸的形状。点阵投影器向人脸投射由三万多个肉眼不可见的光点组成的点阵，因脸部凹凸不平，点阵形状会发生变化，通过红外镜头读取点阵图案，再与前置摄像头拍摄的人脸通过算法相结合，就能获得带有深度信息的人脸，即真实的面部三维模型，iPhonex的人脸识别精度在0.1毫米级，可抵抗纸张、视频等平面共计手段，即使光线不好，发射光、接收光这种主动方法也不会影响iPhonex的识别效率。

第19课  超火的 SLAM 技术不了解一下吗？只要一分钟！

最近超火的、和自动驾驶强烈相关的SLAM 技术是什么？ 有哪些核心任务？

为机器充当眼睛的一般是激光雷达、单目、双目相机或RGB-D深度相机。激光雷达通过发射和接受反射回来的激光束，获得距离、速度等信息；单目摄像头需要对比机器在移动过程中拍摄到的图像的变化，来判断与物体之间的距离；双目摄像头更像人眼，可以通过两只眼睛看到的图像的不同，直接获取深度信息；RGB-D由于配备了红外发射器和接收器，利用结构光方法就能直接获得周围环境的深度信息。有了周围环境的图像和深度信息，机器就能一边移动一边将这些图像拼起来绘制出环境地图，以便更好的移动或完成更复杂的任务。