深度学习工程师
geekidentity
http://blog.geekidentity.com
展开
-
吴恩达(Andrew Ng)深度学习工程师笔记 - 第一门课-神经网络和深度学习-第一周深度学习概论-第二节:什么是神经网络
本系列博客是吴恩达(Andrew Ng)深度学习工程师 课程笔记。什么是神经网络“深度学习”指的是训练神经网络,那么什么是神经网络呢?我们从房价预测的例子开始,假设我们有一个 6 个房间的数据集,已知房屋的面积,单位是平方英尺或平方米,已知房屋价格。我们需要找到一个根据房屋面积预测房价的函数。如果你熟悉线性回归(Linear Regression),你可以用这些数据来拟合一条直线: 但我们知道,价原创 2017-12-03 10:12:43 · 298 阅读 · 0 评论 -
神经网络和深度学习-第二周神经网络基础-第三节:Logistic 回归损失函数
本系列博客是吴恩达(Andrew Ng)深度学习工程师 课程笔记。全部课程请查看吴恩达(Andrew Ng)深度学习工程师课程目录在上一节中,讲解的是logistic回归模型。为了训练回归模型参数w和b,我们需要定义一个成本函数(cost function)。这是上一节中的函数: \begin{equation}\hat{y} = \theta (w^T x + b), \quad where \原创 2017-12-26 21:17:54 · 555 阅读 · 0 评论 -
神经网络和深度学习-第二周神经网络基础-第八节:计算图的导数计算
本系列博客是吴恩达(Andrew Ng)深度学习工程师 课程笔记。全部课程请查看吴恩达(Andrew Ng)深度学习工程师课程目录上一节中,我们使用计算图来计算函数JJ,现在我们理清一下计算图的描述,看看我们如何利用它计算出函数JJ的导数。下图是一个流程图,假设你要计算JJ对vv的导数dJdv\frac{dJ}{dv},比如我们改变vv值那么JJ的值怎么呢?定义上JJ是3v3v,现在v=11v=11原创 2018-01-01 20:41:13 · 354 阅读 · 0 评论 -
神经网络和深度学习-第二周神经网络基础-第七节:计算图
本系列博客是吴恩达(Andrew Ng)深度学习工程师 课程笔记。全部课程请查看吴恩达(Andrew Ng)深度学习工程师课程目录可以说,一个神经网络的计算都是按照前向或反向传播过程来实现的。首先计算出神经网络的输出,紧接着进行一个反向传输操作,后者我们用来计算出对应梯度或者导数。而计算图解释了为什么用这样的方式这样实现。为了阐明这个计算过程,我们举一个比logistic回归更加简单的,不那么正式的原创 2017-12-30 23:07:39 · 492 阅读 · 0 评论 -
吴恩达(Andrew Ng)深度学习工程师笔记 - 第一门课-神经网络和深度学习-第一周深度学习概论-第六节:课程资源
本系列博客是吴恩达(Andrew Ng)深度学习工程师 课程笔记。可以在coursera论坛问问题,技术交流,提交bug等。也可以通过邮箱直接联系我们,我们会保证阅读每一封邮件: feedback@deeplearning.ai如果公司希望可以给员工培训深度学习,也可以联系我们: enterprise@deeplearning.ai如果你是大学领导,希望开设深度学习的课程,也可以联系我们: acad原创 2017-12-04 22:17:02 · 291 阅读 · 0 评论 -
吴恩达(Andrew Ng)深度学习工程师笔记 - 第一门课-神经网络和深度学习-第一周深度学习概论-第五节:关于这门课
本系列博客是吴恩达(Andrew Ng)深度学习工程师 课程笔记。学习进度到这第一门课第一周的最后,快速介绍一下下周要学习的内容。 第一门课有四个星期的学习材料,在每一周的最后都有十道多选题,可以用来检验自己对材料的理解。在第二周你会学到神经网络的编程基础,了解神经网络中“正向传播”和“反向传播”的结构,还有算法的过程以及如何高效实现神经网络。第二周开始你也会做一些编程练习,练习学到的知识,自己实现原创 2017-12-04 22:15:29 · 319 阅读 · 0 评论 -
吴恩达(Andrew Ng)深度学习工程师笔记 - 第一门课-神经网络和深度学习-第一周深度学习概论-第三节:用神经网络进行监督学习
本系列博客是吴恩达(Andrew Ng)深度学习工程师 课程笔记。神经网络有时被媒体炒作得很厉害,考虑到它们的使用效果,有些说法还是靠谱的。事实上,到目前为止,几乎所有由神经网络创造的经济价值都基于其中一种机器学习–我们称之为“监督学习”,我们来看一些例子。 在监督学习中输入x,学习到一个函数,映射到输出y,比如我们之前看到的应用于房价预测的例子:输入房屋的一些特征就能输出价格y。下面是一些其他例原创 2017-12-03 19:11:29 · 321 阅读 · 0 评论 -
吴恩达(Andrew Ng)深度学习工程师笔记 - 第一门课-神经网络和深度学习-第一周深度学习概论-第四节:为什么深度学习会兴起?
本系列博客是吴恩达(Andrew Ng)深度学习工程师 课程笔记。如果在深度学习和神经网络背后的基本技术理论已经有好几十年了,为什么现在才突然流行起来呢?这一节来看一些让深度学习流行起来的主要原因,这将会帮助你在自己的组织中发现好机会来应用这些东西。在过去的几年里,很多人问我为什么深度学习突然这么厉害了,我回答的时候通常给他们画个图: 水平轴上代表完成任务的数量,纵轴代表机器学习算法的性能,比如垃原创 2017-12-04 22:11:49 · 361 阅读 · 0 评论 -
神经网络和深度学习-第一周深度学习概论-第一节:欢迎来到深度学习工程师微专业
本系列博客是吴恩达(Andrew Ng)深度学习工程师 课程笔记。前言如果你没有人工智能(AI)的专业背景却又想要涉足AI行业,那么这门微专业正适合你。现如今,深度学习工程师已经成为了非常热门的职业,掌握深度学习将会为你带来大量的工作机会。甚至可以说,深度学习是一种新兴的“超能力”,它可以能让你搭建出自己的AI系统,而这在几年前还是令人难以想象的事情。课程概述这是深度学习工程师微专业中的第一门课。这原创 2017-12-03 10:08:30 · 414 阅读 · 0 评论 -
神经网络和深度学习-第二周神经网络基础-第四节:梯度下降法
本系列博客是吴恩达(Andrew Ng)深度学习工程师 课程笔记。全部课程请查看吴恩达(Andrew Ng)深度学习工程师课程目录在上一节中学习了损失函数,损失函数是衡量单一训练样例的效果,成本函数用于衡量参数w和b的效果,在全部训练集上来衡量。下面我们讨论如何使用梯度下降法,来训练和学习训练集上的参数w和b,使得J(w,b)J(w,b)尽可能地小。这个图中的横轴表示空间参数w和b,在实践中,w可以原创 2017-12-27 22:23:14 · 328 阅读 · 0 评论