深度学习课程笔记第一周（深度学习概论）

以下为吴恩达老师DeepLearning.ai课程中，第一部分《神经网络和深度学习》第一周课程部分关键点的笔记。笔记并不包含全部视频课程的记录，只作为知识回顾和重点整理，进一步增强学习，如需学习笔记中舍弃的内容请至网易云课堂。

什么是神经网络

通过房屋价格引出神经网络的概念，先通过线性回归由面积预测价格，引出Nero。

image.png

中间这个函数即为接受输入并且进行合适的运算之后输出目标值的函数，我们也可以称之为一个神经元，它实现了接受输入x, 经过运算后输出目标值y的过程。我们这个例子就可以看成是一个最简单的神经网络，而复杂的神经网络即是由无数的神经元分层连接堆叠而成，下面我们可以把房屋预测的问题再复杂化一些。
考虑房屋的面积、房间数、地段等因素，引出复杂神经网络。

image.png

用神经网络进行监督学习

监督学习即通过一部分输入数据（feature）与输出数据（label）之间的对应关系，生成一个函数，然后通过该函数，由输入数据预测输出。
神经网络在监督学习中表现出色的一些实际应用，如在线广告点击预测，图像打标签， 音频文件转文本，机器翻译以及自动驾驶等。这些应用可以将神经网络分成Standard NN（房价预测，在线广告点击预测）, Convolutional NN(图像打标签), Recurrent NN(序列数据，譬如随时间播放的音频流，一个个的文本)。

为什么神经网络会兴起

image.png

深度学习性能的提升，主要归于数据增长和计算能力（算法和硬件）的提升