这篇博客是关于AI Studio上的深度学习预习课程，涵盖了深度学习定义、机器学习与人工智能的关系、监督学习与非监督学习的区别，以及神经网络的基础知识。文章强调了深度学习在监督学习中的应用，并介绍了神经网络的层次结构。此外，还提到了训练模型时的梯度下降法和成本函数优化。必备的数学知识包括，而Python和PaddlePaddle的快速入门也是学习的重点，AI Studio的Notebook操作也是提升学习效率的工具。
课程笔记-深度学习机器视觉00-预习课程篇——From：百度AI Studio
写在前面：
自从发现了AI Studio 后，感觉这是一个比较有潜力的平台，上面有很多可供学习的课程，配套的环境也非常友好（每天10h的算力卡真香），我等新手小白还可以调用现成的API，可以说是非常方便。
因此本周的任务就是在AI Studio上完成深度学习计算机视觉的学习，废话不多说。
资料与资源
————————————————————————————————————————
正课部分：
00-预习课程篇
什么是深度学习？
**机器学习：**机器学习就是通过算法，使得机器能从大量历史数据中学习规律，从而对新的样本做智能识别或对未来做预测
机器学习是指计算机使用大数据集而不是硬编码规则来学习的能力。
机器学习允许计算机自己学习。这种学习方式利用了现代计算机的处理能力，可以轻松地处理大型数据集。
**人工智能：**人工智能是计算机科学的一个分支，研究计算机中智能行为的仿真。
二者关系 机器学习是人工智能的一个子集;更为具体地说，它只是一种实现AI的技术，一种训练算法的模型，这种算法使得计算机能够学习如何做出决策。
监督式学习vs非监督式学习：
监督式学习需要使用有输入和预期输出标记的数据集。
非监督式学习是利用既不分类也不标记的信息进行机器
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
