深度学习简介

深度学习简介

几乎所有由神经网络创造的价值，都基于一种机器学习，我们称之为“监督学习”，在监督学习的4中，输入一个函数x，习得一个函数 映射到输出y，比如关于房价的预测

在图像领域里，我们经常使用的是卷积神经网络Convolutional neural
networks----简称CNN，对于序列数据，例如，音频中含有时间成分，音频是随着时间播放的，所有音频很自然第被表示为一维时间序列，对于序列数据，你经常使用RNN，循环神经网络(recurrent neural network)

机器学习被应用于，结构化数据(Structured Data)和非结构化数据(Unstructured Data)

结构化数据 是数据的数据库，意味着每个特征都有清晰的定义

非结构化数据

事实上，要在神经网络上获得更好的表现，在今天最可靠的手段，往往就是，要么训练一个更大的神经网络，要么投入更多的数据

我们是用小写的字母m，表示训练集的规模或者说训练样本的数量，这个小写的字母m，这就是水平轴