**列举三个机器学习的任务类型，并为每一个类型列举一个典型应用场景和一个该场景的常用机器学习算法。**

任务类型：监督学习

应用场景：垃圾邮件过滤

机器学习算法：朴素贝叶斯



任务类型：非监督学习

应用场景：客户细分

机器学习算法：K-均值聚类



任务类型：强化学习

应用场景：游戏AI

机器学习算法：深度Q网络



**机器学习的主要工作流程是什么？机器学习框架在该流程中可以起到哪些辅助作用？**

流程：收集数据、输入数据、数据探索和处理、训练和测试模型、评估

![image-20230919102530777](https://media.opennet.top/i/2023/09/19/gyfrlp-0.png)

辅助作用：支持多种神经网络、支持自动微分、支持数据管理和处理、支持模型的训练和部署、高效使用硬件加速器、分布式计算、可解释性工具包等扩展组件