深度学习介绍

人工智能：能够感知、推理、行动和适应的程序

机器学习：能够随着数据量的增加不断改进性能的算法

深度学习：机器学习的一个子集：利用多层神经网络从大量数据中进行学习

机器学习算法：基于数学，或者统计学的方法，具有很强的可解释性

例如：

K最近邻居（K-Nearest Neighbors,简称KNN）

基本思想：测量不同数据点之间的距离来进行预测

工作原理：1、距离度量（欧式距离）

                  2、确定邻居数量K

                  3、投票机制

决策树

朴素贝叶斯

简而言之，深度学习就是找一个函数f，设计一个很深的网络架构让机器自己学

常见的神经网络输入：

1、向量

2、矩阵

3、序列

常见的神经网络输出：

1、回归任务

2、分类任务

3、生成任务（结构化）

深度学习任务：分类和回归是生成的基础，分类和回归是生成的基础，有的时候需要多个模态的数据，比如 图片， 文字， 声音

如何进行深度学习？

如何找一个函数呢？

，