第一周:深度学习引言(Introduction to Deep Learning)
1.1 Supervised Learning with Neural Networks
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
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
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
1.2 Why is Deep Learning taking off?
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
Previous第一门 课 神经网络和深度学习 (NEURAL NETWORKS AND DEEP LEARNING)Next第二周:神经网络的编程基础(Basics of Neural Network programming)
Last updated