模塊?人工智能：開啟智慧新時代1-2機器學(xué)習(xí)與深度學(xué)習(xí)目錄CONTENTS機器學(xué)習(xí)的含義01深度學(xué)習(xí)的崛起02神經(jīng)網(wǎng)絡(luò)的魅力031-2機器學(xué)習(xí)與深度學(xué)習(xí)1.機器學(xué)習(xí)的含義專門研究計算機模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為，以獲取新的知識或技能，重新組織已有的知識結(jié)構(gòu)使之不斷改善自身的性能。機器學(xué)習(xí)主要特點利用算法從數(shù)據(jù)中學(xué)習(xí)規(guī)律和模式，如垃圾分類、線性回歸房價預(yù)測等模型所需的數(shù)據(jù)規(guī)模可大可小，通常通過特征選擇、降維等技術(shù)來處理大規(guī)模數(shù)據(jù)集模型一般較為簡單，主要是線性模型和統(tǒng)計模型等優(yōu)點是預(yù)測準度較高，適用于各種類型的數(shù)據(jù)和任務(wù)；缺點是需要足夠的數(shù)據(jù)和特征工程，對于復(fù)雜任務(wù)的建模能力有限1-2機器學(xué)習(xí)與深度學(xué)習(xí)2.深度學(xué)習(xí)的崛起深度學(xué)習(xí)（DeepLearning）屬于機器學(xué)習(xí)的子類，是利用深度神經(jīng)網(wǎng)絡(luò)來解決特征表達并處理任務(wù)的一種學(xué)習(xí)方法。深度學(xué)習(xí)主要特點使用神經(jīng)網(wǎng)絡(luò)模型，通過反向傳播算法和梯度下降優(yōu)化技術(shù)來調(diào)整網(wǎng)絡(luò)權(quán)重和參數(shù)尤其對于復(fù)雜的任務(wù)和模型，需要大量的數(shù)據(jù)集模型通常非常復(fù)雜，具有大量的神經(jīng)元和層數(shù)，能自動提取和抽象出有用的特征優(yōu)點是有強大的表征能力和泛化能力，能夠處理復(fù)雜的非線性問題；缺點是計算量大、訓(xùn)練時間長，對大規(guī)模數(shù)據(jù)集的需求較高1-2機器學(xué)習(xí)與深度學(xué)習(xí)2.深度學(xué)習(xí)的崛起場景導(dǎo)入冷撲大師動物識別文生視頻車牌識別1-2機器學(xué)習(xí)與深度學(xué)習(xí)3.神經(jīng)網(wǎng)絡(luò)的魅力感知機(單層神經(jīng)網(wǎng)絡(luò))單層神經(jīng)網(wǎng)絡(luò)MarkI感知機(美國國家歷史博物館)1-2機器學(xué)習(xí)與深度學(xué)習(xí)3.神經(jīng)網(wǎng)絡(luò)的魅力人工神經(jīng)網(wǎng)絡(luò)的模型單層神經(jīng)網(wǎng)絡(luò)1-2機器學(xué)習(xí)與深度學(xué)習(xí)3.神經(jīng)網(wǎng)絡(luò)的魅力神經(jīng)網(wǎng)絡(luò)模擬大腦的功能單層神經(jīng)網(wǎng)絡(luò)1-2機器學(xué)習(xí)與深度學(xué)習(xí)3.神經(jīng)網(wǎng)絡(luò)的魅力場景導(dǎo)入神經(jīng)網(wǎng)