机器学习与深度学习

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,并用于预测未来。

机器学习应用举例
    
分类问题---图像识别,垃圾邮件识别
回归问题---股价预测,房价预测
排序问题---点击率预估,推荐
生成问题----图像生成,图像风格转换,图像文字描述生成。

机器学习的应用流程(线下训练到线上服务)

机器学习的岗位指责
   
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

            深度学习算法集合
卷积神经网络
循环神经网络(用来处理不定长数据)
自动编码器
稀疏编码
深度信念网络
限制波尔兹曼记
深度学习+强化学习+深度强化学习(阿尔法狗)

深度学习进展——图像分类
            卷积神经网络 cnn
            NASNet

深度学习进展——机器翻译
            循环神经网络(巨子)
             attnation 机制  ——将输入加权 供给输出 
深度学习进展——图像生成
            像素翻译(素描照片 转换成 带有颜色的图片)
            生成自己风格的字体
            图像超清化算法(深度学习的高度应用)
深度学习进展——AlphaGo

posted @ 2019-08-25 22:42 明晨的个人笔记 阅读(...) 评论(...) 编辑 收藏