《吴恩达深度学习》学习笔记-1 第一章 深度学习概述

第二章 神经网络基础
第三章
第四章

关注我的公众号~ 一起学习

欢迎大家扫码关注我的公众号~ 获取更多学习资源与内容
目前学习内容：

• 前端基础知识点学习-JS红宝书/CSS权威手册（这个就不发了哈哈哈当个兴趣）
• 跟着《算法图解》扎实学习数据结构与算法
• 从0.1开始的C++编程小练习
• 吴恩达深度学习课程笔记
• 人工智能领域研究&学习
  关注我 一起在代码之路上前行
  

最重要的 是互相督促着一起学习鸭~

第一章 深度学习概述

1.什么是神经网络？

稍微复杂一点的神经网络

2.用神经网络进行监督学习

输入 输出

• 在例一的应用（房地产）；在线广告； ——标准的神经网络（正如例一中所说的那样）

• 在计算机视觉的应用；——卷积神经网络 CNN

• 语音识别；——循环神经网络 RNN

• 机器翻译；——更加复杂的循环神经网络 RNNs

• 无人驾驶 ——混合的神经网络结构

结构化数据

例如一个数据库中的内容

非结构化数据

音频 原始图像 文本 等等

小结

神经网络彻底改变了监督学习

3.深度学习兴起的原因

画个图来展示一下深度学习兴起的原因

• 神经网络的优势

x轴——数据量

y轴——算法的性能

• 算法革新

算法革新让我们更好地训练大型神经网络 或者 在合理的时间里完成计算

• 帮助研究人员在深度学习的工作中迭代地更快

研究人员有一个关于神经网络架构的想法

跑完代码之后知道了神经网络的效率 然后再回去改一些细节 这是 一个循环 一个迭代

迭代速度肯定是越快越好啦！

所以 深度学习很棒就是了！

4.此课程学习的内容

吴恩达教授做了一个总结
这第一个大板块的课
教授——

深度学习最重要的基础

本版块课程结束后 需要掌握

如何建立并运用一个深度神经网络

5.第一章习题练习

• 即使是一个经验丰富的深度学习工程师在处理一个新的问题的时候，也不能根据之前的经验直接训练一个表现最好的模型

而是需要进行多次迭代来获得更好的模型

• ReLU激活功能
• 
• 结构化数据——例如数据集 数据库 之类的具有模式的数据

​ 非结构化数据——例如猫的图片 之类的数据结构不规则或不完整 没有预定义的数据模型

6.关注我的公众号~ 一起学习

最后，关注我的公众号~ 获取更多学习资源与内容

最重要的 是互相督促着一起学习鸭~