神经网络基础

1. 深度学习预备知识

2. 人工神经网络

3. 深度前馈网络

4. 反向传播

数据集

1. 特征（Feature）：特征是用来描述机器学习系统处理的对象或事件的特性。
2. 样本（Sample）：样本是指我们从某些希望机器学习系统处理的对象或事件中收集到的已经量化的特征的集合。
3. 数据集（Dataset）：数据集是指很多样本组成的集合。有时我们也将样本称为数据集中的数据点（Data Point）。
4. 大部分机器学习算法可以被理解为在数据集上获取经验。

学习方法分类

1. 监督学习算法（Supervised        Learning  Algorithm）：训练含有很多特征的数据集，不过数据集中的样本都有一个标签（Label）或目标（Target）。
2. 无监督学习算法（Unsupervised Learning Algorithm）：训练含有很多特征的数据集，然后学习出这个数据集上有用的结构性质。
3. 监督的理解：