第一节 深度学习定义
深度学习
深度学习是机器学习的一个分支，它是一种基于神经网络的机器学习方法。
这里大概会产生两个疑问：什么是机器学习？以及什么是神经网络？
1、首先什么是机器学习？
如图所示，机器学习是一种人工智能（AI）的分支领域，是让机器（计算机）可以自己学习的一种方法。 这种方法是通过计算机系统的学习和自动化推理，使计算机能够从大量数据中获取知识和经验，并利用这些知识和经验进行模式识别、预测和决策。
例如，
例子1：有大量的猫的图片，计算机通过机器学习方法从大量图片中了解猫的特征，当一个新的猫的图片出现时，计算机能够识别这是猫的图片。
例子2：有大量天气数据，计算机通过机器学习方法从大量数据中了解每年这一天及其邻近天气的情况及状态，当输入明天的日期，计算机能够预测明天的天气状况。
图例：
以上图中，我们将计算机中的某段程序视作为机器学习方法，也叫做机器学习的模型。
那如何设定和编写这个模型呢？并不是说我们输入数据，这个模型就自动出现了，因为数据太复杂了。
因此我们第一步做的是模型假设。
用数学方法表示，机器学习的核心在于建立模型假设，利用某一类场景的大量数据寻找到最适合的模型，使得模型最终可以预测新数据（数据+模型+训练方法）。即表示为 ，其中可以叫做模型或者目标函数。
目前常见的机器学习的模型有：神经网络、决策树、支持向量机、回归分析等等。
其中深度学习是 模型假设 为神经网络模型 的 机器学习。
2、什么是神经网络？
神经网络模型是一种类似神经元的算法。
类似：
这种模型如何表示？
如图类似神经元的表示方法（Neural Networks），当然在计算机里就是一段代码表示。你现在只需要理解这个神经网络是可以用代码表示出来的即可。
深度学习的简单理解：目前看不太懂也不要紧，你暂时只需要先记住
输入--神经网络模型--输出 的形式，而以神经网络模型建立模型假设即是深度学习方法就可以啦。
