零基础入门深入学习,要学什么内容?

2020-08-19 12:08   来源: 互联网

如今,人工智能已被公众网络热词所频繁提及,但许多人仍然不知道人工智能并不等同于深度学习。一般说来,人工智能包括:机器学习、深度学习,两者之间有一定的交集,但我们必须区分它们。如果你想开始深入学习,不妨了解深入学习的概念、发展和应用场景。


零入门深度学习


1. 深度学习的概念


当我们谈到深度学习时,我们指的是用多层神经网络构造的模型。零基础的朋友可能不明白。简而言之,当一台计算机完成一项任务时,它必须有输入和输出。例如,在机器翻译中,我们输入中文,输出英语。同样,在神经网络中,我们称它们为输入层和输出层。在输入层和输出层之间也有许多层需要计算,它们负责如何将输入转换为输出。这些中间层称为 "隐藏层"。如果一个神经网络包含多个隐层,我们称之为深度神经网络,该模型的学习过程也称为深度学习。由于它在各种任务中都是突出的,更复杂的任务往往比一般的机器学习模型更强,因此它变得越来越发达和独特。


2. 深度学习的发展历程


神经网络诞生于 1943 年,但当时由于计算机硬件的落后,越来越多的概念停留在学术层面上。随着计算机处理器运算速度和存储能力的提高,1957/1958 年间,单层神经网络最终应用于人工智能应用(模式识别),实现了神经网络的第一次崛起。


1986 年,引入了两层神经网络,实现了第二层神经网络。但后来,由于缺乏 CPU 计算能力,人们开始关注普通机器学习模型,如 KNN、梯度提升树等。

零基础入门深度学习

最后,卷积神经网络于 2012 年诞生,在 ImageNet 为消灭所有普通机器学习模型而展开的竞争中,开创了多层神经网络的时代,开启了第三层神经网络。我们现在处于神经网络第三层的繁荣阶段,这是一种极大的荣誉!到处可以看到的人工智能应用已经完全渗透到我们的生活中。


3. 深度学习的应用场景


我们周围的许多人工智能应用属于深度学习的范畴。例如,商业上的人脸识别、指纹解锁、虹膜认证、自动驾驶仪和视频内容提取。在医学领域,如肿瘤识别、健康监测、外科机器人等。这些深入学习模型都与图像相关,我们称它们为深入学习图像领域的计算机视觉。


同样,在商业上,我们也有机器翻译、情感分析、文章摘要提取等;在医学领域,我们可以通过描述病人的病情和病史来提取关键信息,帮助医生判断疾病等。这些深入学习模式与语言和文本有关,我们把涉及语言的深度学习领域称为自然语言处理。




责任编辑:萤莹香草钟
分享到:
0
【慎重声明】凡本站未注明来源为"科技周刊网"的所有作品,均转载、编译或摘编自其它媒体,转载、编译或摘编的目的在于传递更多信息,并不代表本站赞同其观点和对其真实性负责。如因作品内容、版权和其他问题需要同本网联系的,请在30日内进行!