深度学习核心技术与实践之人工智能，机器学习，神经网络分析第一节（后续看主页）

1.传统机器学习年代，“人工”更多强调特征工程之难，需要机器学习者不断分析数据，挖掘新的特征，这几年“人工”更多的强调人工标注，因为深度学习需要大量的标注数据。
2.机器学习是实现人工智能的一种方式，而深度学习是机器学习的一个分支。
3.人工智能也叫机器智能，指人工创造出来的机器或系统展现出来的智能，分为弱人工智能和强人工智能。
4.深度学习大力发展原因：算法：逐层训练初始化模型，计算：CPU计算机中央处理器，FPGA现场可编程门阵列，TPU热接收器装置，及大量的训练数据。
5.机器学习是研究计算机模拟和实现人类行为的科学，通过不断改善知识结构，进而超越人类能力的学科
6.机器学习算法是从数据中自动分析并获得规律，进而对未知数据进行预测的算法。
7.模式识别在一定程度上等同于机器学习，一般认为模式识别来自工业界，机器学习来自学术界。
8.统计学习也是机器学习的近义词，机器学习许多方法都来自于统计学习，统计学习更偏向数学理论，机器学习更偏向于实践。
9.数据挖掘：机器学习在大数据领域的运用，通过机器学习方法从大数据中挖掘出规律或知识。
10.计算机视觉：强调机器学习在图像领域中的应用。
11.语音识别：研究机器听懂人类声音的领域。
12.自然语言处理：相比于计算机视觉，语音识别，这个语义理解属于认知问题。
13.机器学习方法：监督学习（1.标签是离散类别的，则为分类问题。2.标签是连续数值型，则是回归问题），
无监督学习（分类：聚类，密度估计，降维），半监督学习，增强学习。
14.监督学习主要由模型，策略，算法三要素构成。
15.机器学习常用模型：线性模型，逻辑回归，softmx，神经网络/深度学习，SVM，决策树，随机森林，GBDT，与矩阵分解相关的系列模型等。
16，算法是机器学习的具体学习方法，也称为优化算法，包括：梯度下降法，牛顿法，拟牛顿法。
17.神经网络是模拟其神经元的功能和网络结构，来完成认知任务的一类机器学习算法。
18.深度学习则指多层神经网络，即隐层大于一层的神经网络。