台大陈蕴侬老师应用深度学习课程笔记（一）

第一课 什么是机器学习

机器学习

概念：给机器一大堆数据（训练数据），有输入数据，有输出数据，你希望机器可以自己找出输入输出之间的关系，然后你再丢给他输入数据的时候，他可以自己预测出相应的输出数据。
例子：电影评论的好评坏评如何区分。

说明：机器学习其实就是寻找一个function，通过一个适合的function输出你想要得到的结果。

机器学习框架

第二课 什么是深度学习

深度学习概念

深度学习是机器学习的一个分支，如下图所示，深度学习是一种End-to-end训练，你把输入和输出给到他，他会自动生成许多简单的函数，多个简单的函数就会形成一个复杂的函数即深度学习模型。

深度学习模型

深度学习一般指的是一种基于内神经网络的模型。
Vector n. 矢量 Layer n. 层，层次 Representations 代表；表现 Features n. 产品特点，特征
Label n. 标签；（计算机）标记；

说明：1.每一层（layer）都是一个简单的function，但是L层叠加在一起就是一个复杂的function。
2.我们只给他input，output的数据，中间的hidden layers我们希望他可以自己学成，还有相关的参数。
3.当我们做一个task，这个task就是借由一句话来predict它是正面的评价还是负面的评价。中间的这些层数（layers），它们的目标就是要帮我们抽取出如果要做正确的预测时，对于这个task最有用的特征是什么，所以我们才会叫它features/representations。它会在每一层就把它觉得重要的特征（features）慢慢的抽出来，所以最后你才可以在output的时候，预测出正确的label。
比如你可能觉得哪一些是具有正面字眼或负面字眼，那他可能就会被我们中间的layer选出来，所以中间我们会叫他features/representation，就有点像是那些有代表性的向量。

深和浅的比较