本系列为慕课网《深度学习之神经网络(CNN/RNN/GAN)算法原理+实战》视频笔记,希望自己能通过分享笔记的形式更好的掌握该部分内容。
机器学习简介
- 机器学习是什么——无序数据转化为价值的方法
- 机器学习价值——从数据中抽取规律,并用来预测未来
机器学习应用举例
- 分类问题——图像识别、垃圾邮件识别、违约预测
- 回归问题——股价预测、房价预测、PM2.5预测
- 排序问题——点击率预测、推荐(如某宝、某音···)
- 生成问题——图像生成、图像风格转换、图像文字描述生成
机器学习应用流程
机器学习岗位职责
- 数据处理(采集+去噪)
- 模型训练(特征+模型)
- 模型评估与优化(MSE、F1-score、AUC+调参)
- 模型应用(A/B测试)
深度学习简介
深度学习与机器学习
- 机器学习是实现人工智能的方法
- 深度学习是实现机器学习算法的技术(深度学习在现在大数据的条件下能达到更好的效果)
深度学习算法集合
- 卷积神经网络(CNN)
- 循环神经网络(RNN)
- 自动编码器(Auto Encoder)
- 稀疏编码(Sparse Coding)
- 深度信念网络(DBN)
- 限制玻尔兹曼机(RBM)
- 深度学习+强化学习=深度强化学习(DRL)
深度学习进展
- 图像分类
卷积神经网络(CNN)在图像分类方面的表现很突出。上图是在ImageNet上的表现。 - 机器翻译
循环神经网络(RNN)应用于机器翻译。 - 图像生成
- AlphaGo