漫谈计算思维讲E讲--深度学习.pptx

;;首先： 深度学习是机器学习的一个分支 机器学习（Machine Learning）是一门专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能的学科。;this is a sample text. insert your desired text here. Again. this is a dummy text. enter your own text here. this is a sample text. ;为了让机器自动学习,需要提取特征,而特征提取一般由人工进行,并且非常困难 特征的有效性对学习算法可能有决定性的作用;深度学习的概念源于人工神经网络的研究，含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，已发现数据的分布式特征表示。;深度学习：可以进行自动特征提取,并生成具有层次结构特征集合组. 深度的意义：体现在特征的层次结构上,目前的学习基本上都是浅层学习。 深度学习的生物基础:大脑的运作方式是深度模式.如,视觉系统..; 用监督式学习来训练AI，你给它一个输入并告诉它预期的输出。 如AI产生的输出错误，它将重新调整它的计算。这个过程是通过数据集迭代完成的，直到AI没有更多的错误。 监督学习的一个例子是天气预报AI。它学习使用历史数据预测天气。训练数据有输入（压力，湿度，风速）和输出（温度）。;用无监督学习训练AI时，让AI对数据进行逻辑分类。 无监督学习的一个例子是电子商务网站的行为预测AI。它不会通过使用输入和输出的标记数据集来学习。 相反，它会创建自己的输入数据分类。它会告诉你哪种用户最有可能购买不同的产品。;;实例一 neural-style：利用卷积神经网络将一幅图像的内容与另一幅图像的风格相结合;+;不同的目标风格图片会产生不同效果;实例二 iSee：使用深度学习去除脸上的眼镜;原始图片;实例三：日本的黄瓜农民如何使用深度学习和张量流通; 以下是Makoto建立的黄瓜分选机的系统图。系统使用Raspberry Pi 3作为主控制器，用摄像头拍摄黄瓜图像，第一阶段在TensorFlow上运行一个小规模的神经网络，以检测图像是否是黄瓜。然后将图像转发到在Linux服务器上运行的更大的TensorFlow神经网络，以执行更详细的分类。;; 行业应用 农业; 零售 预计2025 年，将减少540 亿美元成本，并增加410 亿美元额外收益;平均年薪30万的深度学习算法工程师，正面临100万的人才缺口！;AI人才缺失催生的“跨境猎头”，人才年薪高达300万，猎头直赚100万;;