python 深度学习 keras之父

想要控制一件事物，首先需要能够观察它。
机器学习发展历程:

1. 概率建模：logistic回归、朴素贝叶斯；
2. 早期神经网络：梯度下降；
3. 核方法: SVM;
4. 随机森林、决策树和梯度提升机；
5. 神经网络；
   Kaggle 上主要有两大方法：梯度提升机和深度学习。梯度提升机主要使用XGBoost，深度学习主要使用keras;
   张量的关键属性：
   轴的个数、形状、数据类型；
   张量运算：
6. 加法、乘法；
7. 张量点乘；
8. 张量变形；
   张量运算的集合解释：输入数据的几何变换；
   深度学习的几何解释：
   神经网络(或其他机器学习模型)：找到实现目标的变换，使得两个类别明确可分；
   机器学习内容：为复杂的、高度折叠的数据流找到简洁的表示；
   虽然得到的表示是没有意义的，但这是一个起点。下一步则是根据反馈信号逐渐调节这些权重。