[神经网络与深度学习] Introduction to deep learning习题解析

这是课程[Neural Networks and Deep Learning]第1周的习题解答，共10道题。

解答：

100年前，电力的出现引起工业革命，今天，AI也成为新的驱动力。答案是选项4。

解答：

深度学习出现空前繁荣，主要原因有：

1. 更多的数据
2. 更多的应用场景得到应用
3. 计算力的提升

所以答案是选项1、2、3。

解答：

机器学习是一个迭代过程，先有点子（Idea），然后编码实现（Code），最后进行实际验算（Experiment），并根据结果，调整Idea，于此反复，直到达到理想的结果。

如果能够快速的对Idea进行尝试，无疑可以加快迭代的速度。更快的计算速度以及算法的改进都可以加快模型训练过程。

数据集越大，所需训练的时间越多，速度越慢，所以选项3明显错误。

答案是选项1、2、4。

解答：

通常机器学习模型需要不断的训练和调整才能达到好的结果，不太可能一次就能得到完美的模型，答案是False。

解答：

没什么好解释的，答案是图3

解答：

图像数据属于典型的非结构化数据，所以选False

解答：

数据集是否结构化与数据的组织方式有关，和数据来源无关，人口统计数据属于结构化数据，答案是False。

解答：

RNN属于监督式机器学习，主要解决序列数据的问题，和CNN无高下之分，只是应用场景不同。答案是选项1和3

解答：

这个图应该很清楚，x轴代表数据量，y轴代表算法的性能。

答案是选项4

解答：

对于深度学习而言，增加训练数据集的大小以及增加神经网络的规模，通常可以大幅提升算法的性能，所以答案是选项2和4。