【深度学习】【PaddlePaddle】DAY 2 - 深度学习入门

Chapter 1 深度学习入门

1.1 前言

（1）学习路径

该深度学习教程提供的基本学习路径。通过原理和代码结合、案例和作业结合进行学习。

（2）课程准备

• 知识储备：Python编程、机器学习、深度学习
• 平台：AI Studio和PaddlePaddle

（3）课程特色

原理和代码结合、案例作业比赛应用、飞桨系列产品工具。

2.2 机器学习与深度学习

2.2.1 三个概念的定义和关系

人工智能、机器学习、深度学习的关系
三者的关系如图，人工智能 > 机器学习 > 深度学习。深度学习是机器学习算法的一种，机器学习是实现人工智能的一种方式，人工智能是用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。

2.2.2 机器学习

机器学习是专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构，使之不断改善自身的性能。

==============================================================================
【个人理解】研究对象是人的学习行为，研究工具是计算机，目的是模拟人的行为、优化知识结构、提高计算效率

（1）机器学习的实现

机器学习实现步骤：setp1 训练； step2 预测。可用归纳和演绎进行类比。

• 训练
  归纳： 从具体案例中抽象一般规律，
  训练：从一定数量的样本（已知模型输入X和模型输出Y）中，学习输出Y与输入X的关系（可用某种表达式表示）。

• 预测
  演绎： 从一般规律推导出具体案例的结果，
  预测”：基于训练得到的Y与X之间的关系。如出现新的输入X，计算出输出Y。
  通常情况下，如果通过模型计算的输出和真实场景的输出一致，则说明模型是有效的。

==============================================================================
【个人理解】从大量历史样本得出抽象的关系表达，再用公式预测新的样本。类似统计学的参数估计和假设检验。

（2）机器学习的方法论

• 目标：介绍机器学习的思考过程，过程中模型参数的确定，模型三个关键部分（假设、评价、优化）的应用
• Case