【深度学习从放弃到精通】1.机器学习与深度学习

一.机器学习

机器学习将无序数据转化为价值的方法；从数据中抽取规律从而预测未来

机器学习应用举例

• 分类问题——图像识别、垃圾邮件分类
• 回归问题——股价预测、放假预测
• 排序问题——点击率预估、推荐
• 生成问题——图像生成、图像风格转换、图像文字描述生成

机器学习应用流程

机器学习岗位职责

• 数据处理（采集+去噪）
• 模型训练（特征+模型）
• 模型评估与优化（MSE、F1-Score、AUC+调参）
• 模型应用（A/B测试）

二.深度学习

• 机器学习是实现人工智能的方法
• 深度学习是实现机器学习算法的技术

深度学习算法集合

• 卷积神经网络（图像生成、图像分类-cv领域）
• 循环神经网络（处理不定长数据-ALP领域）
• //自动编码器
• //稀疏编码
• //深度信念网络
• //限制玻尔兹曼机
• 深度学习+强化学习=深度强化学习（热）

深度学习进展——图像分类

深度学习进展——机器翻译

深度学习进展——AlphaGo