神經網絡入門
機器學習簡介
機器學習應用舉例
- 分類問題 :圖像識別、垃圾郵件、異常檢測(NIDS)
- 迴歸問題:股價預測、房價預測
- 排序問題:點擊率預估、推薦
- 生成問題:圖像生成、生成式聊天機器人、圖像風格轉換
機器學習應用流程
機器學習崗位職責
- 數據預處理(採集 + 去噪)
- 特徵工程(將採集的數據,能夠更加容易便於計算和表示)
- 模型訓練(選擇合適的模型 + 調優 MSE、F1-score、AUC)
- 模型應用(A/B測試)
深度學習簡介
深度學習中涉及到的算法
- CNN
- RNN
- Autocoder(自動編碼器)
- Sparse Coding(稀疏編碼)
- Deep Belief Network(深度信念網絡)
- RBM(限制玻爾茲曼機)
神經網絡
神經元–最小的神經網絡
一個神經元可以做二分類,多個神經元就可以做多分類,每個神經元都定義了一組weight
softmax:他把一些輸入映射爲0-1之間的實數,並且歸一化保證和爲1,因此多分類的概率之和也剛好爲1。
損失函數
### Tensorlflow基礎