吴恩达深度学习-学习笔记p1-p6

哔哩哔哩网站视频-[双语字幕]吴恩达深度学习deeplearning.ai

网站：up主：mHarvey，视频：[双语字幕]吴恩达深度学习deeplearning.ai

一. p1 1.1欢迎

二. p2 1.2什么是神经网络

1.举例：根据面积预测房价
假设有六个房子的房屋面积和价格，根据这个数据集，房屋面积预测房价的函数，这些是一个简单的神经网络

神经元的功能就是输入面积完成线性运算，取不小于0的值，最后得到预测价格，这里我们叫这个函数为RELU
（线性整流函数rectified linear unit，又称修正线性单元，是一种人工神经网络中常见的激活函数，通常指代以斜坡函数及其变种，他被广泛用于神经网络中。他的原理就是：对于输入的任何负值，输出都为0；对于输入的任何正值，输出与输入相同。即：f（x）=max（0，x）
），括号中是官方给的解释，我的理解是

但是还有一些因素也会影响房价，例如卧室数量，步行可达，富裕程度（有的国家可以根据邮政编码看地区富裕程度），下图中的每一个小圆圈都可能是一个RELU，即修正线性单元，或者可能画出来的函数图像并没有那么线性。

上图的x是这四个输入影响因子，y是预测的价格，把这些独立的神经元叠加起来，成了一个稍微大一点的神经元，输入x后不管训练集有多大，最后的结果他都会自己完成

三. p3 1.3用神经网络进行监督学习

1.。。。.今天上课，老师讲的机器学习分为三类：监督学习，无监督学习，半监督学习
监督学习：训练数据有明显的标签
无监督学习：数据没有明显标签
半监督学习：将无标签和有标签的数据一起训练学习
2.*简单预测：我们用的是标准神经网络SNN

*.图像领域里，我们最常用的是卷积神经网络CNN

*.音频处理：一维时间序列循环神经网路KNN
*.语言：RNN

四.p4 1.4为什么深度学习兴起

1.模型决定上限，数据能够让你的模型达到这个上限(规模推动深度学习的进步，这里的规模说的是：需要很多隐藏单元的神经网络，许多的参数，许多的链接和数据规模)
2.横轴代表数据的数量（带标签的数据量），数轴代表机器学习算法的性能比如：垃圾邮件过滤，广告预测点击率，无人驾驶汽车预测其它目标的准确率。
3.只有在数据量x轴足够大的时候，才能更稳定的领先其它算法

五。p5 1.5关于这门课

每周分配任务
第一周：介绍
第二周：神经网络编程基础
第三周：含有一个隐藏层的神经网络
第四周：建立一个多层的深层神经网络

六。p6 1.6课程资源

习题资源，联系邮箱