李宏毅《深度学习详解》阅读感悟

很荣幸能够接触到李宏毅先生的《深度学习详解》，这本书对我来说略有难度，但是在初步的看完第一章后，个人认为对我极度有益。
李宏毅先生认为机器学习--就是让机器能具备自我寻找函数的能力，并且机器可以自我寻找函数来完成许多事情。例如最简单的数据计算，再到语音识别接着向图像识别进发。曾经在围棋界大展的AlphaGo就可以当作是机器学习的范例。
随着我们所要找的函数不同，机器学习也进而分化。例如我们如果要函数输出的是数值或者称标量，这种就成为回归；而机器要从函数的输出里选择一个当作输出，就称为分类；除此之外还有结构化学习，机器产生一个有结构的物体，例如画一张画，写一篇文章，这种就是结构化学习。
李宏毅先生的案例对于我来讲有点过于复杂，在反复看了几遍后还是看懂了，然后我自己根据他案例的思路来编写了一个小案例
目标：假设你想训练机器来预测视频的观看次数。
模型：我们使用一个简单的数学公式 y = b + wx 来预测明天的观看次数 y，其中今天的观看次数是x，而b和w是我们需要找到的最佳数字。
损失函数：这是一个用来判断预测准确度的方法，它告诉我们预测值与实际值之间的差距有多大。
梯度下降：这是一种调整b和w的技术，通过不断微调这些数字来减少预测误差。
训练过程：
   - 猜测初始值b和w。
   - 使用损失函数检查预测效果。
   - 用梯度下降逐步改进b和w，使预测更准确。
测试模型：最后，用新的数据测试模型，看看它是否能做出好的预测。
以上就是我对第一章的感悟。