复旦大学邱锡鹏教授的《神经网络与深度学习》第一讲 绪论

B站视频课程链接：比啃书效果好多了！复旦大学邱锡鹏教授的《神经网络与深度学习》视频教程分享！（计算机视觉/图像处理）_哔哩哔哩_bilibili

代码资料：https://nndl.github.io/

学习线路图如下。

推荐使用邱老师自己的教材，可以直接下载电子版。

1.1 人工智能

1.2 如何开发人工智能系统

专家系统是人工制定规则，但是对于很多任务（例如语音识别、手写体识别等），人工制定规则非常困难。这时需要机器学习，就是让计算机来自动决定规则。

机器学习就是构建一个映射函数，这个函数反映对应的规则。

以芒果识别为例来解释机器学习的过程。

首先，要准备随机的数据（训练数据），列出其特征和质量对儿（x1,x2,……,xn, y）属性。然后构建对应的学习算法，然后使用测试数据对齐进行测试。

1.3 表示学习

局部表示表示能力更强，也更能表示两个样本的相似性。局部表示可以映射为分布式表示，可以讲其映射到更低维的空间。

NLP中经常用到word embedding。

有了数据表示之后，就可以改造机器学习模型，构造深度学习模型，让模型自动来学习好的特征表示（即特征），这个就是表示学习。

1.4 深度学习

1.5 人脑神经网络

视频介绍人脑结构和传递、加工信息的原理。

1.6 神经网络

1.7 神经网络发展史