Python 深度学习笔记 第一章什么是深度学习1.1人工智能、机器学习与深度学习

学习目标：掌握Python深度学习这本书

[学习这本书]

学习时间：计划学习一个月

学习产出：技术笔记九篇

人工智能

人工智能的定义：努力将通常由人类完成的智力任务自动化

机器学习

机器学习是一种新的编程范式，机器学习系统是训练出来的，而不是明确的用程序编写出来的。
机器学习呈现出较少的数学理论，以工程为导向，需要上手实践，更多靠实践来证明，而不是靠理论推导。

从数据中学习表示

机器学习在做什么：1.输入数据点 2.预期输出的示例 3.衡量算法效果好坏的方法----学习
机器学习和深度学习的核心问题在于有意义的变换数据，将输入数据变换为有意义的输出换句话说，在于学习输入数据的有用表示，表示指的是对数据进行变换，机器学习中的学习指的是寻找更好数据表示的自动搜索过程。
假设空间：机器学习孙发在寻找这些变换时遍历一组预先定义好的操作。

深度学习之深度

深度学习中的深度指的是一系列深度的表示层，数据模型中包含多少层，这被称为模型的深度。其他名称也叫分层表示学习或者层级表示学习。
深度学习中，这些分层表示几乎总是通过神经网络的模型来学习得到的。不过深度学习模型不是大脑模型，我们只需知道，深度学习是从数据中学习表示的一种数学框架。

用三张图理解深度学习的工作原理

神经网络每层对输入数据所做的具体操作保存在该层的权重中，本质是一串数字。
每层实现的变换由其权重来参数化，权重有时候也称为该层的参数。
学习：为神经网络的所有层找到一组权重值，使得该网络能够将每个示例输入与其目标正确的一一对应。
重点：一个深度学习网络可能包含数千万个参数，找到所有参数的正确取值是一项非常艰巨的任务，所以首先要观察它。

损失函数(loss function)的任务：衡量该输出与预期值之间的距离。也叫目标函数(objective function)。

深度学习的基本技巧是利用这个距离作为反馈信号来对权重值进行微调，以降低当前示例对应的损失值，由优化器(optimizer)来完成，它实现了反向传播(backpropagation)算法，这是深度学习的核心算法。

训练循环足够多的次数，得到的权重值可以使损失函数最小。

深度学习已经取得的进展

接近人类水平的图像分类、语音识别、手写文字转录、自动驾驶
更好的机器翻译、文本到语音转换、广告定向投放、网络搜索结果
数字助理
能够回答用自然语音提出的问题
在围棋上战胜人类

不要相信短期炒作

不应该把达到人类水平的通用智能的讨论太当回事。

人工智能的未来

不要相信短期的炒作，但是不要怀疑：人工智能即将到来，一定要相信长期的愿景。它会以一种奇妙的方式改变我们的世界。