深度学习Day1

01深度学习笔记

deep learning神经网络的基础

大致了解了一下学习的方向，深度学习的介绍，基础的专业术语，和未来学习规划。

1.Neural Networks and Deep Learning
学习如何建立深度神经网络并且使它奏效
识别Cat
严密地构建神经网络如何真正让它表现良好

Week1:Introduction
Week2:Basics of Netural programming神经网络编程
正向传播，反向传播
Week3: One hidden layer Neural Networks
Week4: Deep Netural Networks

2.Improving Deep Neural Networks:Hyperparameter tuning,Regularization and Optimization
超参数调整，正则化

3.Structuring your Machine Learning project

4.Convolution Neural Networks
图像数据 卷积神经网络CNN

5.Natural Language Processing:Building sequence models
自然语言处理NLP

循环神经网络
序列数据 递归神经网络RNN
长短期记忆LSTM
混合神经网络

监督学习Supervised Learning（一种机器学习类别）的环境

语言Python ,使用框架是Google的TensorFlow

深度学习的应用案例：
医疗
自然语言处理
在线广告预测，利润建议
图像输入
音频输入
自动驾驶
房地产

结构化数据
非结构化数据：像素（图像），单词（文本）

支持向量机 逻辑回归

SVM
训练足够大的神经网络m
许多的参数，许多的关联性
各种算法的优先级

性能的提升：在用工程选择特征方面的能力以及算法处理方面的一些细节

Data
Computation
Algorithms

ReLU

–idea –code – experiment–