深度学习入门介绍系列2

从此篇开始，计划介绍关于深度学习的东东，一切都从最傻瓜的方式入门，尽量不用数学的概念来介绍。本系列将会包括两个部分，第一部分是基于统计的机器学习算法。第二部分则是基于神经网络相关的深度学习算法。

第一部分的内容包括：

1，基于统计的机器学习的基本概念。（HOEFFDING 不等式，机器学习流程）

2，损失函数/代价函数  VC维 误差

3,  深度学习中梯度下降的预备知识讲解

4，分类器

5，逻辑回归

6，SVM

7，K-MEANS

8，主成分分析

当上面的全部学习完毕后，将介绍深度学习相关的内容，包括如下：  
1, 多层感知器   
2，深层卷积网  


接下来是非监督学习和半监督学习算法，可以以下面的任何顺序来学习(后续会给出教程和代码)，这些都是重要的机器学习算法。
1，AUTO ENCODERS DENOISING AUTOENCODERS   
2, Stacked Denoising Auto-Encoders     简单的步骤就可以实现非监督学习
3，限制波兹曼机   
4，DBN http://deeplearning.net/tutorial/DBN.html#dbn

在每一个的最后也会告知如何去用theano来运行它们。theano是一个python类库，它能够帮助大家容易的去写深度算法模型，并且可以让大家能够在GPU上运行这些算法。

如果大家想先对机器学习进行入门了解，可参看这里的简单介绍。如果需要简单了解深度学习的内容，可参看这里简单的介绍。学习这些教程之前，可以先热身下，这里是theano的基础教程，学完之后，再看下这个东东，里面有一些基本的概念和一些测试的训练集。