第一章、简介

本文基于吴恩达人工智能课程做学习笔记、并融入自己的见解(若打不开请复制到浏览器中打开)https://study.163.com/courses-search?keyword=吴恩达。
本文第二章将介绍多任务学习的定义、多任务学习的举例、多任务学习的意义等等。
对本文的总结：

第二章、什么是端到端的深度学习

深度学习中，最令人振奋的最新动态之一，就是端到端深度学习的兴起。
那么端到端学习到底是什么呢？简而言之，以前有一些数据处理系统，或者学习系统，它们需要对多个阶段的处理，从而达到理想效果。
那么端到端深度学习，就是忽略所有这些不同的阶段，用单个神经网络代替它。我们来看一些例子，以语音识别为例，你的目标是输入 $\large {\color{Blue}\textbf{x}}$ 是一段音频，然后把它映射到一个输出 $\large {\color{Blue} \mathbf{y}}$ ， $\large {\color{Blue} \mathbf{y}}$ 就是这段音频的听写文本（即话音转文字）。
传统上，语音识别需要很多阶段的处理。首先，你会提取一些特征，一些手工设计的音频特征——也许你听过MFCC，这种算法是用来从音频中提取一组特定的人工设计的特征。
在提取出一些低层次特征之后，你可以应用机器学习算法，在音频片段中找到音位(phonemes)。其中，音位是声音的基本单位，比如说 Cat 这个词是由Cu-Ah-和Tu-这三个音节构成的，算法就把这三个音位提取出来。然后你将音位串在一起构成独立的词，然后你将词串起来构成音频片段的听写文本。