第一次作业：深度学习基础

 

第一次作业：深度学习基础

---

---

成员	视频学习心得
李淮北	前几年人工智能市场需求大而人才输出少，中国尤其严重，近几年来国家鼓励高校建设人工智能的一级学科，人工智能+复合特色专业。人工智能的三个层面：计算智能、感知智能、认知智能。特征往往比分类器更重要。深度学习相比传统机器学习减少了人工的干预，并设计了分层的结构。到后面的激活函数还有其他概念太多了。。。
马昱琛	我有一个朋友，他曾经告诉我神经网络多么多么高大上，多么多么功能全面，但是从学习和课外查阅一些视频资料的过程中我感受到，ai还是有非常大的局限性，比如如果有一些噪声，就很有可能产生可笑的错误，比如：      我也对ai的基础有了一部分了解，在我的理解中，这个过程是一个利用小的方程式，经过类似我们高数课上求导然后蒙积分的大致范围的过程，加上亿点点的数学公式，来得到一个关于数据被拟合后最接近的结果，希望我的理解没啥大问题。
高梦婷	目前，人工智能是一个比较火热的方向，视频让我了解了人工智能的起源，发展，实现方法和一些模型，策略，算法，对神经网络基础有了初步的了解。
孙小淇	机器学习使用神经网络是人工智能的-种方法，近年来发展的十分强大，但是它也有很多缺点:比如感知比较直观、易受攻击建立模型也很复杂等。如果人们利用好人工智能，它会为我们的生活带来巨大帮助。
张意颖	大致了解了人工智能及其发展历程，希望机器能像人类一样思考，在很多方面都已经并且即将发挥很大的作用。机器学习应该算作人工智能的一部分，深度学习则是使用更具有深度神经网络的机器学习。深度学习同时存在很多风险，学习参数不透明，容易被攻击，难以避免的引入机器偏见等等。
张宇	人工智能从传统的专家系统到深度学习，从之前预测的不准确，到现在的广泛应用于生活中，可以说是有了极大的进步，人工智能+ 的模式为社会带来了很大的不同，但是对于人工智能最后是否会产生真正的智能，我持怀疑态度。

 

---

成员	问题反馈
李淮北	视频中提到了好多概念与理论知识，感觉从来没听过，感觉都不好理解。只能归结于人工智能的应用方向太多了而我又太菜了。
张宇	神经网络这么多层，不会出现没用的吗，会不会有影响。
马昱琛
高梦婷	对视频里很多概念和数学知识不理解。
孙小淇	模型层数多对数据分类有什么用；参数那里听不懂。
张意颖	误差反向传播看不懂，好多复杂数学公式难以理解。

 

成员	学习链接
李淮北	https://www.cnblogs.com/ouc19020032010/p/lhb-001.html
张宇	https://www.cnblogs.com/2934583681/p/15387541.html
马昱琛	https://www.cnblogs.com/sbxc/articles/15378873.html
高梦婷	https://www.cnblogs.com/117m/p/15387502.html
孙小淇	https://www.cnblogs.com/shuaishuai77/articles/15387400.html
张意颖	https://www.cnblogs.com/ryen6/