WX20170809-201529.png

這是Ng吳恩達(dá)老師的全新Ai項(xiàng)目 www.deeplearning.ai，早些已經(jīng)學(xué)完他的ML課程，從此走了ML道路，現(xiàn)在開深度學(xué)習(xí)課程很開心

這篇主要是介紹深度學(xué)習(xí)

• What is a neural network?
• Supervised Learning with NN
• Why is Deep Learning taking off?

What is a neural network?

和ML課程一樣，首先引出了房?jī)r(jià)預(yù)測(cè)的案例來展開

線性回歸示意

解釋下這個(gè)藍(lán)色線段，因?yàn)榉績(jī)r(jià)不會(huì)是負(fù)的，所以沒有擬合的慢慢會(huì)為0，這個(gè)其實(shí)就是Relu功能。其實(shí)也可以看做是最簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò)，單細(xì)胞生物似的。影響房?jī)r(jià)的因素有很多，上面單一的組合起來就形成了網(wǎng)絡(luò)，看下圖。

多因素神經(jīng)網(wǎng)絡(luò)示意圖

形式化表達(dá)一下

具體可以看這篇文章重磅！神經(jīng)網(wǎng)絡(luò)淺講：從神經(jīng)元到深度學(xué)習(xí)這些概念和歷史也不作重點(diǎn)在這里介紹。

Supervised Learning with NN

機(jī)器學(xué)習(xí)又分為監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)，這些概念需要我們知道，在監(jiān)督學(xué)習(xí)中，通過輸入一些x，得到想要學(xué)習(xí)映射到某個(gè)輸出y的函數(shù)。例如，剛剛我們看到房?jī)r(jià)預(yù)測(cè)應(yīng)用程序，您輸入一些家庭的某些特征，并嘗試輸出或估計(jì)價(jià)格y。這里有一些其他的例子，神經(jīng)網(wǎng)絡(luò)已被非常有效地應(yīng)用

神經(jīng)網(wǎng)絡(luò)案例

房地產(chǎn)和在線廣告可能是一個(gè)相對(duì)標(biāo)準(zhǔn)的神經(jīng)網(wǎng)絡(luò)，對(duì)于圖像應(yīng)用，經(jīng)常使用卷積神經(jīng)網(wǎng)絡(luò)，通常縮寫為CNN，并用于序列數(shù)據(jù)。音頻是一個(gè)時(shí)間分量？隨著時(shí)間的推移播放音頻，所以音頻最自然地表示為一維時(shí)間序列或一維時(shí)間序列。因此，對(duì)于序列數(shù)據(jù)，經(jīng)常使用RNN。語(yǔ)言，英文和中文，字母或單詞一次一個(gè)，所以語(yǔ)言也最自然地表現(xiàn)為序列數(shù)據(jù)。因此，這些應(yīng)用程序經(jīng)常使用更復(fù)雜的RNN版本。對(duì)于更復(fù)雜的應(yīng)用程序，如自主駕駛中，圖片和雷達(dá)信息是一個(gè)完全不同的。可能會(huì)使用一個(gè)更為自定義或者更復(fù)雜的混合神經(jīng)網(wǎng)絡(luò)架構(gòu)。

部分神經(jīng)網(wǎng)絡(luò)

在數(shù)據(jù)類型中通常會(huì)遇到結(jié)構(gòu)化和非結(jié)構(gòu)化的數(shù)據(jù)，數(shù)據(jù)類型這這里先不展開，后面的技術(shù)都是圍繞著這兩種類型展開的。

數(shù)據(jù)類型

Why is DL taking off?

總結(jié)下來就6方面，更多的需要自己去了解回歸深度學(xué)習(xí)的發(fā)展了。

• 數(shù)據(jù)
• 算法
• 計(jì)算力
• idea
• code
• experience
  （完）