努力將通過由人類完成的智力任務
機器學習系統是訓練出來的。
需要三個要素來進行機器學習：
機器學習和深度學習的核心問題在於有意義地變換資料，換句話說，在於學習輸入資料的有用表示——這種表示可以讓資料更接近預期輸出。
機器學習中的學習指的是，尋找更好資料表示的自動搜尋過程。
機器學習：在預先定義好的可能性空間中，利用反饋訊號的指引來尋找輸入資料的有用表示。
深度學習是從資料中學習表示的一種數學框架。
深度學習：學習資料表示的多級方法。
神經網路中每層對輸入資料所做的具體操作儲存在該層的權重中，其本質是一串數字。每層實現的變換由其權重來引數化。
想要控制神經網路的輸出，就需要能夠衡量該輸出與預期值之間的距離。損失函式或者目標函式。
利用這個距離值做為反饋訊號來對權重值進行微調，以降低當前示例對應的損失值。就是優化器，所謂的反向傳播演算法。
這是乙個簡單的機制，一旦具有足夠大的規模，就會產生魔法般的效果。
最有名的演算法：樸素貝葉斯演算法
深度學習兩個基本的特徵：
第一：通過漸進的，逐層的方式形成越來越複雜的表示
第二：對中間這些漸進的表示共同進行學習
梯度提公升機，用於淺層學習問題，熟悉xgboot;
深度學習，用於感知問題，熟悉keras
第 章 什麼是深度學習 筆記
在經典的程式設計 即符號主義人工智慧的正規化 中，人們輸入的是規則 即程式 和需要根據這些規則進行處理的資料，系統輸出的是答案 見圖 1 2 利用機器學習，人們輸入的是資料和從這些資料中預期得到的答案，系統輸出的是 規則。這些規則隨後可應用於新的資料，並使計算機自主生成答案。因此，機器學習和深度學習...
第1章 深度學習簡介
說明 本文是對邱錫鵬 神經網路與深度學習 的讀書筆記。供自己學習總結使用。神經元網路是在計算機上把虛擬的神經元排列成層狀，模擬真正的神 經細胞之間的電訊號。藉此實現大腦從各式各樣的資料中提取本質概 念的功能。深度學習是由在計算機上模擬人類神經迴路的 神經元網路 技術發 展而來。所謂 深度 是指網路層...
深度學習day1（第一章 什麼是深度學習？）
深度學習之 深度 關係 努力將通常由人類完成的智力任務自動化，包括了機器學習與深度學習 在經典的程式設計 即符號主義人工智慧的正規化 中，人們輸入的是規則 即程式 和需要根據這些規則進行處理的資料，系統輸出的是答案 利用機器學習，人們輸入的是資料和從這些資料中預期得到的答案，系統輸出的是規則。這些規...