[人工智能]李宏毅深度学习|Datawhale-7月 Task07 总结

其实很早之前就接触深度学习了，大二的时候听学长讲过，懵懵懂懂的。后来自己开始接触到相关的东西，看了几节吴恩达老师的课，因为导师的一个任务开始跑起了目标检测的demo，意外地把事情做完了。
之后一直想继续补基础，深入下去。但总是有这样那样的事情，也没坚持下去，学得断断续续的。越来越心浮气躁，加上关注了许多AI领域的公众号，天天看高大上的东西，不禁生出焦虑感，心里没底。
看到Datawhale有个组队学习的计划，想了想还是报名了，逼自己一把，不然一直不会真正去学习的，只能是恶性循环和原地踏步。

【01】预期目标

1. 能手推线性回归、逻辑回归、全连接网络、卷积神经网络的模型和优化公式
2. 不用任何深度学习框架自己调用Numpy手写以上神经网络

【02】实际结果

1. 整个ML地图的构建，回归、分类、结构化任务，传统机器学习方法和深度学习方法，有监督、半监督、无监督、强化学习
2. 炼丹经验，从学习率、梯度下降、batch、归一化等等角度去思考如何让自己的网络走到最优
3. 应用卷积神经网络的三个假设，以及应用在图像、语音、文本、围棋等领域上的思考分析

【03】感想总结

与一开始的目标还是有所差距，但也不算毫无收获。没有特别深入地弄懂公式和代码，但是对ML和DL有了不同角度的认知。
最后，要感谢Datawhale，推荐了这么一位宝藏老师，被李宏毅老师圈粉了哈哈！