吴恩达Coursera深度学习课程笔记（1-1）神经网络和深度学习-深度学习概论

      这系列文章是我在学习吴恩达教授深度学习课程时为了加深自己理解，同时方便后来对内容进行回顾而做的笔记，其中难免有错误的理解和不太好的表述方式，欢迎各位大佬指正并提供建议。

1、什么是神经网络 

       在简单的从房屋面积预测价格时，神经网络可以理解为将输入的房屋面积经过一个未知表达式计算得到其价格的黑匣子。但人们在买房时会关注一些其它附加价值，因此在分析多个会影响到房屋价格的因素时，需要使用到多个神经元进行计算，如买房时学区房由于其周边学校的方便孩子上学，因此会比普通地方的价格贵很多。神经网络的神奇之处在与我们只需将特征数据输入便可得到输出，并不关心中间如何进行计算，即中间的神经元（隐藏层）如何和每个输入对应。

2、监督学习

                

    在实际应用中，由于数据的结构及其特点的不同，神经网络也有不同的结构。对于房屋预测、广告推荐等场景，一般使用标准神经网络；对于图像，一般使用CNN（卷积神经网络）；在处理音频信号和语言处理等序列数据时使用RNN（循环神经网络），在涉及到雷达和图像等更复杂的数据结构时，使用混合神经网络混合来进行处理。

3、结构化数据和非结构化数据

       

       结构化数据是指数据的特征等都有明确的定义的数据；非结构化数据是指类似与音频、图像等我们无法描述其特征是什么及其特征的含义是什么的数据。不管是结构化数据还是非结构化数据，神经网络都可以很好的理解它们，对于非结构化数据，神经网络可以比其它方法做的更好。

4、课程大纲

          

       这部分课程在第一周介绍了神经网络的概念，在第二周会学习到神经网络的编程基础和正向传播、反向传播结构等知识，在第三周会编写单隐层神经网络和其它必需的知识，在第四周建立一个多层的深层神经网络（DNN）。