第一周：深度学习引言（Introduction to Deep Learning）

1.2 什么是神经网络？(What is a Neural Network)

• 神经网络的一部分神奇之处在于，当你实现它之后，你要做的只是输入x，就能得到输出y。
• 因为它可以自己计算你训练集中样本的数目以及所有的中间过程。
• 值得注意的是神经网络给予了足够多的关于x和y的数据，给予了足够的训练样本有关x和y。
• 神经网络非常擅长计算从x到y的精准映射函数。

1.3 神经网络的监督学习(Supervised Learning with Neural Networks)

• 在监督学习中你有一些输入x ，你想学习到一个函数来映射到一些输出y ，比如我们之前提到的房价预测的例子，你只要输入有关房屋的一些特征，试着去输出或者估计价格y 。
• 卷积神经网络（Convolutional Neural Network）是近年发展起来，并引起广泛重视的一种高效识别方法；是一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元，对于大型图像处理有出色表现。

1.4 为什么深度学习会兴起？(Why is Deep Learning taking off?)

• 如果你想要获得较高的性能体现，那么你有两个条件要完成
  • 第一个是你需要训练一个规模足够大的神经网络，以发挥数据规模量巨大的优点
  • 另外你需要能画到x 轴的这个位置，所以你需要很多的数据。
  • 因此我们经常说规模一直在推动深度学习的进步，这里的规模指的也同时是神经网络的规模，我们需要一个带有许多隐藏单元的神经网络，也有许多的参数及关联性，就如同需要大规模的数据一样。
• 算法方面的极大创新尝试着使得神经网络运行的更快，也使得我们能够训练规模更大的神经网络，或是多端口的网络
• 当你能够有一个想法的时候一定要去试一试，也能够更快的改进你的想法