吴恩达-神经网络和深度学习(第一周深度学习概论)

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V**），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

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）

基本图例：

• 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：

• 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

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

待续…….