从Python入门-如何成为一名AI工程师

AI 改变生活：

- 图像、语音、文字、游戏、无人驾驶

- NLP

DL发展历史：

神经元-->单层神经网络-->两层神经网络-->多层神经网络

三大因素：

- 海量数据

- 计算能力

- 算法突破

DL结构：

- 基础知识：

    - 线性代数、概率、信息论、数值计算

    - 机器学习

 - 深度学习算法：

    - FFN、正则化、优化

    - CNN、RNN

    - 实战、应用

- 展望：

   - 线性因子模型、自编器

   - 结构概率模型、蒙特卡洛方法

   - 深度生成模型

神经网络的优点：

网络实质上实现了一个从输入到输出的映射功能，而数学理论已证明它具有实现任何复杂非线性映射的功能。这使得它特别适合于求解内部机制复杂的问题。

网络能通过学习带正确答案的实例集自动提取“合理的”求解规则，即具有自学习能力。

网络具有一定的推广、概括能力。

神经网络的缺点：

对初始权重非常敏感，极易收敛于局部极小。

容易 Over Fitting 和 Over Training。

如何选择隐藏层数和神经元个数没有一个科学的指导流程，有时候感觉就是靠猜。

搜索排序,推荐算法,计算机视觉,自然语言处理.深度学习,机器学习.

多层神经网络

海量数据,计算能力,算法突破.

入门学习