本次学习笔记主要记录学习深度学习时的各种记录，包括吴恩达老师视频学习、花书。作者能力有限，如有错误等，望联系修改，非常感谢！
神经网络和深度学习（一）-深度学习引言
第一版???????2022-03-21????????初稿
一、欢迎(Weclome)
我们所有人都有机会创造一个惊人的世界和社会。
AI is the new electricity!
what you’ll learn:
1.以猫作为对象识别
2.实践：
超参数调整hyperparameter tuning
正则化regularization
诊断偏差、方差
高级优化算法optimization：Momentum、Adam
3.结构化ML工程
4.CNN(s)卷积，常被用于图像领域
5.序列模型、RNN（循环）→LSTM（长短期记忆网络）、NLP
二、什么是神经网络(What is Neural Network)
例：房价预测
已知六套房的大小和价格
下图不仅用了尺寸和价格，还加入其他特征。
三、用神经网络进行监督学习(supervised learning with neural networks)
监督学习里，输入x，习得一个函数映射到输出y
1.房地产、广告 → 相对标准的神经网络
2.图像 → CNN
3.序列数据 → RNN、音频中含有时间成分
神经网络例子
结构化数据vs非结构化数据
1.结构化数据 → 数据的数据库
2.非结构化数据 → 音频等
四、为什么深度学习会兴起？(why is deep learning taking off)
如下图，横轴代表数据量，竖轴代表机器学习算法的性能。
这些模型无法处理大量数据。
规模一直推动神经网络的前进，我们需要一个有许多隐藏单元的神经网络、连接层，大量”规模“数据。
Data
Computation
Algorithms
五、关于这门课(about this course)
week 1:深度学习介绍
week 2:神经网络编程，了解神经网络中“正向传播”和“反向传播”的结构，算法过程
week 3:编写单隐藏层神经网络
week 4:建立多层的深层的神经网络
每周都会有检测题
六、课程资源(course resources)
coursera
论坛