# 第一周：深度学习引言(Introduction to Deep Learning)

## 1.1 Supervised Learning with Neural Networks

![](https://baozou.gitbooks.io/neural-networks-and-deep-learning/content/assets/14.bmp)

一般的**监督式学习**（房价预测和线上广告问题），只要使用标准的神经网络模型就可以

图像识别处理问题，则要使用**卷积神经网络（Convolution Neural Network）**，即**CNN**

处理类似语音这样的序列信号时，则要**使用循环神经网络（Recurrent Neural Network）**，即**RNN**

自动驾驶这样的复杂问题则需要更加复杂的**混合神经网络模型**

![](https://baozou.gitbooks.io/neural-networks-and-deep-learning/content/assets/15.bmp)

**CNN**一般处理图像问题，**RNN**一般处理语音信号

数据类型一般分为两种：**Structured Data**和**Unstructured Data**

![](https://baozou.gitbooks.io/neural-networks-and-deep-learning/content/assets/16.bmp)

**Structured Data**通常指的是有实际意义的数据，例如房价预测中的size，#bedrooms，price等；例如在线广告中的User Age，Ad ID等

**Unstructured Data**通常指的是比较抽象的数据，例如Audio，Image或者Text

![](https://baozou.gitbooks.io/neural-networks-and-deep-learning/content/assets/336import.png)![](https://baozou.gitbooks.io/neural-networks-and-deep-learning/content/assets/337import.png)

## 1.2 Why is Deep Learning taking off？

![](https://baozou.gitbooks.io/neural-networks-and-deep-learning/content/assets/17.bmp)

红色曲线代表了传统机器学习算法的表现，例如是SVM，logistic regression，decision tree等。当数据量比较小的时候，传统学习模型的表现是比较好的。当数据量很大的时候，其性能基本趋于水平

构建一个深度学习的流程是首先产生Idea，然后将Idea转化为Code，最后进行Experiment。接着根据结果修改Idea，继续这种Idea->Code->Experiment的循环，直到最终训练得到表现不错的深度学习网络模型

![](https://baozou.gitbooks.io/neural-networks-and-deep-learning/content/assets/338import.png)![](https://baozou.gitbooks.io/neural-networks-and-deep-learning/content/assets/339import.png)