吴恩达深度学习课程第一周【深度学习概论】

【深度学习概论】
“深度学习”指的是训练神经网络。
所以到底什么是神经网络呢？
在这门课程中，首先用了预估房屋价格这个例子来说明什么是单个神经元。

在这个预估房屋价格的例子中，如上图所示，每一个节点代表一个单神经元，size和price形成的函数我们称为RELU函数，这里不够理解没关系，在后续的课程会多次提到，由这些单个神经元堆叠形成大的神经网络，如下图所示。

神经网络只要给够x、y的训练样本，神经网络非常擅长于计算从x到y的精准映射函数。
所以，这就是一个基本的神经网络。
下面介绍一些神经网络的例子：
从左至右分别为标准神经网络、卷积神经网络（CNN,通常用于图像数据），循环神经网络（RNN，通常用于一维的序列数据，其中包含时间成分）。
深度学习基于机器学习中的“监督学习”，所以，这里就要提到两个概念，结构化数据和非结构化数据。结构化数据就是数据的数据库，在预估房价的例子中，我们考虑购买者的年龄这些都是数据中的一部分，相反，非结构化数据，比如音频，原始音频，图像等，你想要识别图像或者文本的内容，这些特征可以是图像的像素，也可以是文本中的一个单词。