机器学习与深度学习

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，并用于预测未来。

机器学习应用举例
    
分类问题---图像识别，垃圾邮件识别
回归问题---股价预测，房价预测
排序问题---点击率预估，推荐
生成问题----图像生成，图像风格转换，图像文字描述生成。

机器学习的应用流程（线下训练到线上服务）

机器学习的岗位指责
   
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

            深度学习算法集合
卷积神经网络
循环神经网络（用来处理不定长数据）
自动编码器
稀疏编码
深度信念网络
限制波尔兹曼记
深度学习+强化学习+深度强化学习（阿尔法狗）

深度学习进展——图像分类
            卷积神经网络 cnn
            NASNet

深度学习进展——机器翻译
            循环神经网络（巨子）
             attnation 机制  ——将输入加权 供给输出 
深度学习进展——图像生成
            像素翻译(素描照片 转换成 带有颜色的图片)
            生成自己风格的字体
            图像超清化算法（深度学习的高度应用）
深度学习进展——AlphaGo

转载于:https://www.cnblogs.com/D-M-C/p/11409758.html