【神经网络】神经网络入门

神经网络入门

机器学习简介

机器学习应用举例

• 分类问题 ：图像识别、垃圾邮件、异常检测(NIDS)
• 回归问题：股价预测、房价预测
• 排序问题：点击率预估、推荐
• 生成问题：图像生成、生成式聊天机器人、图像风格转换

机器学习应用流程

机器学习岗位职责

1. 数据预处理（采集 + 去噪）
2. 特征工程（将采集的数据，能够更加容易便于计算和表示）
3. 模型训练（选择合适的模型 + 调优 MSE、F1-score、AUC）
4. 模型应用（A/B测试）

深度学习简介

深度学习中涉及到的算法

• CNN
• RNN
• Autocoder（自动编码器）
• Sparse Coding（稀疏编码）
• Deep Belief Network（深度信念网络）
• RBM（限制玻尔兹曼机）

神经网络

神经元–最小的神经网络


一个神经元可以做二分类，多个神经元就可以做多分类，每个神经元都定义了一组weight

softmax：他把一些输入映射为0-1之间的实数，并且归一化保证和为1，因此多分类的概率之和也刚好为1。

损失函数

### Tensorlflow基础