1.2机器学习基础下--python深度机器学习

1. 机器学习更多应用举例： 人脸识别

 

2. 机器学习就业需求：

     LinkedIn所有职业技能需求量第一：机器学习，数据挖掘和统计分析人才

      http://blog.linkedin.com/2014/12/17/the-25-hottest-skills-that-got-people-hired-in-2014/

 

3.  深度学习(Deep Learning)

 

3.1 什么是深度学习？

 

          深度学习是基于机器学习延伸出来的一个新的领域，由以人大脑结构为启发的神经网络算法为起源加之模型结构深度的增加发展，并伴随大数据和计算能力的提高而产生的一系列新的算法。

     

 

 

 

3.2 深度学习什么时间段发展起来的？

 

          其概念由著名科学家Geoffrey Hinton等人在2006年和2007年在《Sciences》等上发表的文章被提出和兴起。

 

 

 

3.3 学习能用来干什么？为什么近年来引起如此广泛的关注？

 

          深度学习，作为机器学习中延伸出来的一个领域，被应用在图像处理与计算机视觉，自然语言处理以及语音识别等领域。自2006年至今，学术界和工业界合作在深度学习方面的研究与应用在以上领域取得了突破性的进展。以ImageNet为数据库的经典图像中的物体识别竞赛为例，击败了所有传统算法，取得了前所未有的精确度。

 

 

 

 

 

 

3.4 深度学习目前有哪些代表性的学术机构和公司走在前沿？人才需要如何？

 

           学校以多伦多大学，纽约大学，斯坦福大学为代表，工业界以Google, Facebook, 和百度为代表走在深度学习研究与应用的前沿。Google挖走了Hinton，Facebook挖走了LeCun，百度硅谷的实验室挖走了Andrew Ng，Google去年4月份以超过5亿美金收购了专门研究深度学习的初创公司DeepMind, 深度学习方因技术的发展与人才的稀有造成的人才抢夺战达到了前所未有激烈的程度。诸多的大大小小(如阿里巴巴，雅虎）等公司也都在跟进，开始涉足深度学习领域，深度学习人才需求量会持续快速增长。

 

 

 

 

3.5深度学习如今和未来将对我们生活造成怎样的影响？

          目前我们使用的Android手机中google的语音识别，百度识图，google的图片搜索，都已经使用到了深度学习技术。Facebook在去年名为DeepFace的项目中对人脸识别的准备率第一次接近人类肉眼（97.25% vs 97.5%)。大数据时代，结合深度学习的发展在未来对我们生活的影响无法估量。保守而言，很多目前人类从事的活动都将因为深度学习和相关技术的发展被机器取代，如自动汽车驾驶，无人飞机，以及更加职能的机器人等。深度学习的发展让我们第一次看到并接近人工智能的终极目标。

 

 

 

 

          

 

 

 

4. 深度学习的应用展示： 

 

     4.1 无人驾驶汽车中的路标识别

     4.2 Google Now中的语音识别

     4.3 百度识图

     4.4 针对图片，自动生成文字的描述：

          

 

 

   

 

“A person riding a motorcycle on a dirt road,”

 

 

 

 

“A group of young people playing Frisbee,”