1、深入浅出：Python 深度学习之旅

深入浅出：Python 深度学习之旅

1 深度学习的基础概念

1.1 人工智能、机器学习与深度学习

• 人工智能 ：旨在让机器具备类似人类的智能行为，如学习、推理、解决问题等。
• 机器学习 ：是人工智能的一个子集，它专注于让机器从数据中学习模式和规律，而不是通过明确的编程指令来执行任务。
• 从数据中学习表示 ：机器学习的核心是从数据中提取有用的特征和模式，以对未知数据进行预测和分类。
• 深度学习中的“深度” ：指的是神经网络的层数，通过多层的神经元网络可以自动学习到更复杂的特征表示。

1.2 深度学习诞生前的机器学习简史

• 概率建模 ：基于概率论的方法，用于处理数据的不确定性和概率分布。
• 早期神经网络 ：最早的神经网络模型，如感知机，为后来的深度学习奠定了基础。
• 核方法 ：通过核函数将数据映射到高维空间，从而解决线性不可分的问题。
• 决策树、随机森林和梯度提升机 ：这些方法在传统机器学习中广泛应用，具有较好的解释性和性能。
• 回归神经网络 ：随着计算能力的提升，神经网络重新受到关注，并逐渐发展成为深度学习。