神经网络和深度学习

一、概论

1. 内容大纲
   1）神经网络和深度学习
   2）深度神经网络：超参数、正则化和优化
   3）机器学习项目结构化
   4）卷积神经网络
   5）自然语言处理：建立序列化模型

2. 神经网络概念
   1）单神经网络
   
   输入-x 神经元-某些函数操作 输出-y
   2）多层神经网络
   
   输入层 隐藏层/中间层 输出层

3. 神经网络用于监督学习的例子
   
   房价预测、在线广告推荐、图像识别、语音识别、机器翻译、自动驾驶等。

4. 结构化数据VS非结构化数据
   
   结构化数据是指有确定意义的数据，如房价、年龄等，而非结构化数据指像素、原始语音、文本等数据。

5. 神经网络兴起的原因
   
   海量的含标签数据、计算能力提高、算法的创新

6. 训练神经网络的过程
   
   产生想法->编码实现->进行实验->修正想法->修改代码->改进实验

图片来源：
吴恩达 网易公开课 神经网络和深度学习
http://mooc.study.163.com/learn/2001281002?tid=2001392029#/learn/announce