從一到八）
1：機器學習
在解釋深度學習之前，我們需要了解什麼是機器學習（ml，
machine learning
）。機器學習是人工智慧（ai，
artificial intelligence
）的乙個分支，而在很多時候，幾乎成為人工智慧的代名詞。
簡單來說，機器學習就是通過演算法，使得機器能從大量歷史資料中學習規律，從而對新的樣本做智慧型識別或對未來做**。
例如影象識別、語音識別、自然語言理解、天氣**、基因表達、內容推薦等等。目前我們通過機器學習去解決這些問題的思路都是這樣的（以視覺感知為例子）。
機器學習的過程：
，資料收集
通過感測器（例如
cmos
）來獲得資料
2
，特徵提取
資料收集偶，需要經過預處理（
pre-processing
）、特徵提取（
feature extract
）、特徵選擇（
feature selection
）三部分。
概括起來就是特徵表達。良好的特徵表達，對最終演算法的準確性起了非常關鍵的作用，而且系統主要的計算和測試工作都耗在這一大部分。但這塊實際中一般都是人工完成的，靠人工提取特徵。
3
，機器學習
對特徵資料通過神經網路，
svm，
boost
等演算法進行分類，聚類等，也就是機器學習的部分，絕大部分的工作是在這方面做的，也存在很多的
*****
和研究。
機器學習遇到的問題：
手工地選取特徵是一件非常費力、啟發式（需要專業知識）的方法，能不能選取好很大程度上靠經驗和運氣，而且它的調節需要大量的時間。既然手工選取特徵不太好，那麼能不能自動地學習一些特徵呢？
答案是能！
deep learning
就是用來幹這個事情的，看它的乙個別名
unsupervisedfeature learning
，就可以顧名思義了，
unsupervised
的意思就是不要人參與特徵的選取過程。
深度學習（一）深度學習學習資料
持續更新 一 學習清單 1 收集了各種最新最經典的文獻，神經網路的資源列表 2 計算機視覺學習清單 3 機器學習學習清單 二 訓練資料 人臉資料 1 香港中文大學訓練資料集 此資料庫包含了20w張人臉，每張標註了5個特徵點 以及幾十種屬性 是否微笑 膚色 髮色 性別等屬性 2 68個人臉特徵點 3 ...
深度學習系列 深度學習簡介
機器學習 使用計算機系統利用經驗改善效能，是人工智慧領域的分支，也是實現人工智慧的一種手段。表徵學習關注如何自動找出表示資料的合適方式，以便更好地將輸入變換為正確的輸出。深度學習 具有多級表示的表徵方法，在每一級 原始資料開始 通過簡單的函式將該級的表示變換為更高階的表示。可以將深度學習看作多個簡單...
深度學習深度學習（一）開篇
深度學習 深度學習 記得9年前寫的一篇部落格，十年的程式設計師，一晃眼，差不多10年又快到了。這一輪的人工智慧，深度學習，他是我見到的乙個非常特殊的程式設計方式 用資料程式設計。是的，他絕對不像其他的程式語言，是完全乙個嶄新的天地，掌握她，絕對會帶來驚喜 你會發現以前感覺超級難的東西會忽然 哇，這個...