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
- 数据预处理(采集 + 去噪)
- 特征工程(将采集的数据,能够更加容易便于计算和表示)
- 模型训练(选择合适的模型 + 调优 MSE、F1-score、AUC)
- 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