深度学习的非技术性解释  | Andrew Ng/是 DeepLearning.AI 的创始人、AI Fund 的普通合伙人、Coursera 的董事长和联合创始人

深度学习和神经网络常被视为一回事,它们的作用,是让机器从输入数据中自动学出映射关系。为说明这一点,先以 T 恤销量预测为例:价格、运费、营销和材料等因素可逐层转化为可负担性、知名度、感知质量,最后汇总成需求预测,展示神经元如何像乐高积木一样堆叠成更复杂的模型。接着转向人脸识别,解释图像在计算机眼中只是由像素亮度组成的大量数字,神经网络通过输入海量标注数据,自行学会从边缘、五官到整张脸的识别过程。读者可借此理解,深度学习的关键不在手工设定中间规则,而在于用数据训练网络,让系统自动找到从 A 到 B 的函数关系。

正文

深度学习和神经网络的基本概念

AI 中,深度学习神经网络 这两个术语几乎可以互换使用。尽管它们非常适合 机器学习,但也有一些炒作和神秘感。该视频将揭开深度学习的神秘面纱,让你了解深度学习和神经网络的真正含义。


需求预测中的神经网络示例

让我们用需求预测中的一个例子。假设你经营着一个销售 T 恤的网站,你想知道这些 T 恤的定价方式、你预计要售出多少件商品、预计销售多少 T 恤。然后,你可以创建这样的数据集,其中 T 恤的价格越高,需求越低。因此,您可能会在这些数据上画一条直线,表明随着价格的上涨,需求会下降。

现在,需求永远不能低于零。因此,也许你说需求将趋于平缓至零,超过某个点,你预计几乎没有人会购买任何 T 恤。


最简单的神经网络

THE END
分享
评论 抢沙发

请登录后发表评论

    暂无评论内容