吴恩达-神经网络和深度学习(第一周深度学习概论)

未经允许，不得擅自改动和转载

学习驱动神经网络兴起的主要技术趋势，了解现今深度学习在哪里应用、如何应用。

8 月 8 日，吴恩达正式发布了 Deepleanring.ai——基于 Coursera 的系列深度学习课程，但在中国无法访问这套课程（除非你连VPN），还有Coursera中是英文授课，就有点尴尬。幸好，之后，吴恩达和网易合作，将课程内容免费放到网易的教育平台上.所以，终于有机会学这门课了！特记下笔记，以备忘！

• 可以先看一下人工智能的完整学习图

  
  
  原理

有一起学习的同学，可以联系我，一起进步哦！！！

Coursera学习Deep Learning Specialization
网易云学习地址

什么是神经网络

由输入到输出
修正线性单元（ReLU）

用神经网络进行监督学习

神经网络（neutral networks）

• 机器学习-->监督学习

• 监督学习

  • standard NN -- 房屋价格预测，广告点金
  • 卷积神经网络（CNN）---图像领域
  • 循环神经网络（RNN）---一维序列，时间，音频(机器翻译，语音变文本)

  • 复杂，混合神经网络（complex,hybrid,NN）---（无人驾驶）

    
    
    

    supervised Learning
    
    

    基本图例：

    
    
    

    神经网络图

• 结构化数据和非结构化数据

  • 结构化数据：数据的数据库
  • 非结构化数据：机器不容易理解的语音,图片,文本(用于语音识别，图像识别，自然语言文字处理)

如下图理解：

结构化数据和非结构化数据

• 符号规定
  m--训练集的规模（训练样本的数量）

• 深度学习进行过程

  
  
  

  process

学完第一周的课程，特意找了一张图片，宏观把控，今后一定非常有用

原理

待续.......