一、概论
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。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。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