正式开始机器学习，先写下复杂系统、大数据及人工智能概述。
不同于直接从定义、特点、性质讲，课程老师先从数学讲起。
- 数学模型：将现实抽象化的结果图形，如用几何图形描绘行星轨迹。
- 数学历史：从现实中数学应用—物理应用
- 数学模型，物理模型的预测和失效：
人们通过数据建立模型，应用模型进行预测。在众多领域中模型发挥了十分突出的作用（天文，机械，电，热等），但也有失效的发生（金融，灾害）
失效原因：随机性、混沌、反身性、网络效应、历史依赖。
基于数学/物理模型的失效让人们认识到复杂系统：
将不可预测的复杂问题进行分析，分析（模型）为复杂系统。
复杂系统：多数量组成成分，组成复杂的群体，群体的性质不是个体所完全不具备（不可拆分的系统）。受外界环境影响（鲁棒性），复杂网络结构特征等。
大数据的失效
原因:单单有大量的数据难以解决随机性，复杂性等问题。
解决方案:学习机器,统计模型。
学习机器：剔除噪声，萃取有效信息，变化成行动，获取反馈，改进算法不断循环。
人工智能:
学派 解决方式： 问题
符号学派: 根据人类进行运算和解决问题的规则，输入给计算机。 复杂性、随机性……
控制学派: 数据和模型相结合，机器模拟人学习规则。 解决问题能力不够多
连接学派: 机器学习人的硬件基础。
