第01讲 深度学习概述

作者:欧新宇(Xinyu OU)

本文档所展示的测试结果,均运行于:Intel Core i7-7700K CPU 4.2GHz, nVidia GeForce GTX 1080 Ti


建设中...

本章要点

  1. 人工智能的基本概念
  2. 人工智能、机器学习与深度学习之间的关系
  3. 机器学习(深度学习)发展的时间线
  4. 深度学习的工作原理
  5. 神经网络的基本原理:基于梯度的优化
  6. 深度学习日益流行的关键因素及其未来潜力
  7. 深度学习常用工具软件



在过去几十年里,人工智能(AI)一直是媒体大肆炒作的热点话题。

1. 人工智能、机器学习和深度学习

https://baijiahao.baidu.com/s?id=1625950313592779686&wfr=spider&for=pc

1.1 人工智能

1.2 机器学习

1.3 从数据中学习表示(数据驱动)

1.4 深度学习之深度

1.5 三张图理解深度学习的工作原理

1.6 深度学习已取得的进展

1.7 正确认识人工智能,不相信短期炒作

1.8 人工智能的未来

2. 机器学习简史

2.1 概率建模

2.2 早期神经网络

2.3 核方法

2.4 决策树、随机森林与梯度提升机

2.5 神经网络的回归

2.6 深度学习有何不同

2.7 机器学习的现状

3. 为什么是深度学习,为什么是现在?

3.1 硬件

3.2 大数据

3.3 算法

3.4 投资热潮

3.5 深度学习的大众化

3.6 这种趋势的未来?

4. 深度学习的原理:基于梯度的优化

4.1 初识神经网络

4.2 什么是导数

4.3 张量运算的导数:梯度

4.4 随机梯度下降

4.5 链式求导:反向传播算法

4.6 回顾神经网络

5. 深度学习常用工具软件