什么是机器学习？

试图将通常由人类完成的智力任务自动化。

什么是机器学习？

是一种新的编程范式，是指在预先定义的可能性假设空间空间中，利用反馈信号的指引，在输入数据中寻找有用的表示和规则。 经典程序设计是通过程序员通过编程制定规则，输入数据通过规则就可转换为适当的答案；机器学习把这个过程反过来，机器读取输入数据和相应的答案，然后找出规则。 机器学习系统是训练出来的，而不是明确地用程序编写出来的，将与某个任务相关的许多示例输入机器学习系统，它会在这些示例中找到统计结构，从而最终找到将任务自动化的规则。

机器学习中“学习”

指的是寻找某种数据变换的自动搜索过程。在反馈信号的指引下这种变化可以生成有用的数据表示，这种表示规则可以用更简单的规则来解决手头的任务。

从数据中学习规则与表示

机器学习3要素：输入数据；预期输出的示例；衡量算法效果的方法 机器学习模型将输入数据变换为有意义的输出，这是一个从已知的输入输出示例中进行“学习”的过程。 因此机器学习深度学习的核心问题在于有意义地变换数据，换句话说在于学习输入数据的有用表示，这种表示可以让数据更接近预期输出。

假设空间

机器学习算法在寻找这些变化时通常没有创造性，仅仅是遍历一组预先定义的操作，这组操作叫做假设空间

什么是深度学习？

他说是从数据中学习表示的一种新方法，强调从连续的层中学习，这些层对应于愈来愈有意义的表示。

深度学习的“深度”

不是说获得更深层次的理解，而是指一系列连续的表示层。数据模型所包含的层数被称为模型的深度。 深度学习是从数据中学习表示的数学框架

神经网络

在深度学习中这些分层表示是通过叫做神经网络的模型学习得到的。神经网络的结构是逐层堆叠