数据科学基础课程讲座笔记

2018/11/29

数据科学

机器视觉讲座

雷军老师

人机围棋大战

学习目标:1三次浪潮

2深度学习的发展历史

3与传统机器学习相比的优势

4卷积和递归神经网络

5框架

6计算机视觉的应用

1

1956年-1974年

深度学习的雏形感知器

1980-1987

专家系统

2010

爆发包括:算力、数据、算法

(深度学习能够真正利用大数据

2

语音识别,自然语言处理,计算机视觉,图像与视频分析,多媒体等应用

受限

brain

AlexNet

cs229

cs231n

SIFT特征

战略决策

3

深度学习deep learning

深度学习包括了神经网络啊

一,它是从大数据中自动学习特征,而不是手工设计的特征

二,很好的利用大数据

三,层次很深

4

卷积神经网络CNN

卷积操作

池化操作

ReLU √

sigmoid和tanh会出现梯度消失

递归神经网络rnn

处理时序问题。

RNN具有特殊记忆模式

双向RNN

后向传播    梯度消失,梯度爆炸LSTM

5

caffe

tensorflow

torch

caffe 1/2+PyTorch

CNTK(微软 缺点Windows

选平台的时候注意:是否 多卡(GPU

何凯明

总结:

以深度学习算法为代表的人工智能技术快速发展,但其相关算法目前并不完美,有待继续加强理论性研究,也不断有很多新的算法理论成果被提出,如胶囊网络,生成对抗网络,迁移学习等。

现在的方向:视频检测

(迁移学习:不同领域

生成对抗网络

你可能感兴趣的:(数据科学基础课程讲座笔记)