1.1 什么是神经网络

Ex.1 Single neural network

• 用房子面积房子价格预测
  
  我们用一条直线去模拟价格与房子大小的映射关系，这样的拟合函数可看作简单的神经网络。
  我们知道Relu（修正线性单元）函数经常出现在文献里，在这里创造的函数就是Relu函数，它永远不会为负数，所以是零开始。
• 神经元
  
  对于这个神经元，输入的是房子的大小（x），输出的是价格（y），这个神经元代表的就是Relu函数。
  而神经网络就是多个神经元堆叠而成的。

Ex.2 Multiple neural network

• 通过多个的特征去预测价格
  
  通过多个特征的共同作用，估计出房子的价格。
  

当我们有了神经网络之后，你需要做的只是输入x，然后总能得到y。
左边是输入的特征，中间的圈是隐藏单元，前一两层全链接。只要我们有大量样本和训练特征，就能更加精确地训练出从x映射到y的函数。

1.2 用神经网络进行监督学习

最常见的一个应用是在线广告，输入大量的广告和用户信息，判断出用户最有可能点开的广告，这样的深度学习应用虽然不是很surprise，但是却能为商家挣很多钱。

不同类型的神经网络，比如CNN（图像处理方面应用比较多），RNN（音频、文本处理等一维序列方面应用）。

结构化数据VS非结构化数据

• 结构化数据
  每个特征都有明确的定义，存在数据库，如通过房子大小，邮编等预测房价
  
• 非结构化数据
  一些比较抽象的特征，比如图片中的像素特征值，或者音频中的单词等
  

神经网络很大程度地改变了监督学习地方式，使之更有效。