教程 | Geoffrey Hinton 机器学习第四课（中文字幕）

自 2012 年开课，NNML 就一跃成为深度学习开发者的殿堂级慕课。时隔五年，仍然是内容最“干”、最值得学习的深度学习课程。

如果说吴恩达的《Machine Learning》是最佳入门课程，描述 NNML 则只需两个字： “必修”——对于有志于真正掌握深度学习的人而言。

它很难，但也因此没有做任何“dumb down”——为照顾小白而牺牲“厚度”，把原本并不单纯的原理硬以简单的类比表述出来，是几乎所有深度学习课程不得不做的妥协。

但这门课没有。

Lecure 4 学习特征向量

内容简介

• 这节课介绍的是如何用BP反向传播算法训练出词向量，为了方便理解，先从一个族谱案例开始，形象演示神经元、独热编码和反向传播。
• 族谱是大脑神经元的一种简化形式，这节课将概念特征表达迁移到神经认知学上，从另外一个角度理解神经网络及其中的争议。
• 感知器只能解决二分类问题，那分类问题怎么办？加Softmax层。Softmax函数能将输出结果表示成多种类别上的概率分布，很好的解决了多分类问题。
• 了解完Softmax的原理，这节课讲下它的一个应用场景：语音识别，如何在嘈杂的环境中，推断一段语音说的是beach还是speech。