小白带你学习移动网络深度神经网络
首先先了解一下上面的兔子，包含许多种类的兔子，人们怎么识别兔子的种类呢？
是不是首先通过照片或者实际的照片来识别兔子呢？那么机器（计算机通过什么方式来学习识别呢？其实，机器学习也是和我们人类学习一样的，也是通过不断的读取照片记住照片的特征值来学习识别图片。这里引入了一个特征概念，那么什么是特征值呢？大白话就是照片一眼可以识别的特点，如上图最大的特征是兔子耳朵长又长。
深度学习神经网络需要大量的训练，输入训练集，输入测试训练集，建立模型，优化算法，测试数据集进行模型测试，不断优化模型，最终确立模型，通过这个模型进行验证，最后再进行预测。
机器学习模型可用用来完成什么任务呢？
- 分类（classification）
- 回归（regression）
上图兔子是典型的分类，需要把各个兔子进行种类的识别，可用根据兔子的耳朵长度，个体大小，毛皮颜色，眼睛颜色，体重等属性都是属于特征。兔子是最大的标签。
回归的例子，我们可以通过根据病人的身高，体重等表征信息来预测病人的血糖溶度，血糖溶度是一个数值，表征特征属于特征，也是数值，通过数值型数据来预测称为回归。
总之：学好机器学习，首先需要学好分类和回归。
机器学习常用的算法
-
分类算法
- K近邻
- 决策树
- 朴素贝叶斯
- 贝叶斯网络
- 逻辑回归
- SVM
- 回归算法，有监督学习
- 聚类算法，无监督学习
- 关联分析算法，无监督学习
- Apriori
- FP-growth
- 集成算法
- Boosting
- Adaboosting
- bagging 随机森林
- 强化学习
技术栈
- 基础语言：python
- 工程框架：TensorFlow,MXnet，Torch，PyTorch，Keras
- 数据库存储：oracle，sqlserver，mysql，postgresql，leveldb，lmdb，redis，k/v，mongodb，neo4j,Hbase,Cassandra 列数据库
- 数据处理工具：hadoop，hive和pig
- 实时数据处理：storm，hurricane实时处理系统。
深度学习
2012深度学习神经网络给计算机视觉，语言识别，自然语言处理等领域带来突破进展。
- Conv 卷连集为224X224
- 55X55 卷连池
- 27X27 卷连池
- 13X13 卷连集
- 13X13卷连集
- 13X13卷连池
- dense 4096
- dense 4096
- 1000输出