本系列为慕课网《深度学习之神经网络(CNN/RNN/GAN)算法原理+实战》视频笔记，希望自己能通过分享笔记的形式更好的掌握该部分内容。

机器学习简介

• 机器学习是什么——无序数据转化为价值的方法
• 机器学习价值——从数据中抽取规律，并用来预测未来

机器学习应用举例

• 分类问题——图像识别、垃圾邮件识别、违约预测
• 回归问题——股价预测、房价预测、PM2.5预测
• 排序问题——点击率预测、推荐（如某宝、某音···）
• 生成问题——图像生成、图像风格转换、图像文字描述生成

机器学习应用流程

机器学习岗位职责

• 数据处理（采集+去噪）
• 模型训练（特征+模型）
• 模型评估与优化（MSE、F1-score、AUC+调参）
• 模型应用（A/B测试）

深度学习简介

深度学习与机器学习

• 机器学习是实现人工智能的方法
• 深度学习是实现机器学习算法的技术（深度学习在现在大数据的条件下能达到更好的效果）

深度学习算法集合

• 卷积神经网络（CNN）
• 循环神经网络（RNN）
• 自动编码器（Auto Encoder）
• 稀疏编码（Sparse Coding）
• 深度信念网络（DBN）
• 限制玻尔兹曼机（RBM）
• 深度学习+强化学习=深度强化学习（DRL）

深度学习进展

• 图像分类
  
  卷积神经网络（CNN）在图像分类方面的表现很突出。上图是在ImageNet上的表现。
• 机器翻译
  
  循环神经网络（RNN）应用于机器翻译。
• 图像生成
  
  
• AlphaGo