本文介绍了神经网络的基本概念，从线性修正单元ReLU开始，扩展到多层网络，包括监督学习中常见的CNN和RNN。深度学习流行的原因在于数据规模、计算能力提升和算法创新。接下来将探讨神经网络与深度学习的基础课程安排。
一 什么是神经网络
由房价预测例子引入最简单的神经网络激活函数 线性修正单元ReLU
单神经元网络 从size到price。
当你知道更多与房价相关信息后，比如卧室数量，邮政编码，财政收入等等，就形成了多神经元网络。
将左面称为输入层，中间称为隐含层，右面称为输出层，通过输入精准映射输出是神经网络最擅长的事情。
二 神经网络改变监督学习
上文提到的房价预测输入相关特征输出价格或者线上广告预测用户是否点击都应用标准神经网络（Standard NN）,更复杂的例如图像数据处理通常应用卷积神经网络（CNN），语言交互相关的应用时序神经网络（RNN），更加复杂的比如无人驾驶等大型架构应用混合网络。
机器学习的数据分为结构化数据与非结构化数据，由于深度学习和神经网络的出现使得计算机更容易理解非结构化数据。
三 深度学习为何流行
数据规模的增加，计算能力的增加，算法方面的创新共同推动了深度学习的发展。
四 后续安排
课程1 神经网络与深度学习基础
第一周 前导知识
第二周 编程基础
第三周 单层神经网络实现
第四周 多层神经网络实现
961
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
