2018/11/29
数据科学
机器视觉讲座
雷军老师
人机围棋大战
学习目标：1三次浪潮
2深度学习的发展历史
3与传统机器学习相比的优势
4卷积和递归神经网络
5框架
6计算机视觉的应用
1
1956年-1974年
深度学习的雏形感知器
1980-1987
专家系统
2010
爆发包括：算力、数据、算法
（深度学习能够真正利用大数据
2
语音识别，自然语言处理，计算机视觉，图像与视频分析，多媒体等应用
受限
brain
AlexNet
cs229
cs231n
SIFT特征
战略决策
3
深度学习deep learning
深度学习包括了神经网络啊
一，它是从大数据中自动学习特征，而不是手工设计的特征
二，很好的利用大数据
三，层次很深
4
卷积神经网络CNN
卷积操作
池化操作
ReLU √
sigmoid和tanh会出现梯度消失
递归神经网络rnn
处理时序问题。
RNN具有特殊记忆模式
双向RNN
后向传播 梯度消失，梯度爆炸LSTM
5
caffe
tensorflow
torch
caffe 1/2+PyTorch
CNTK(微软 缺点Windows
选平台的时候注意：是否 多卡（GPU
何凯明
总结：
以深度学习算法为代表的人工智能技术快速发展，但其相关算法目前并不完美，有待继续加强理论性研究，也不断有很多新的算法理论成果被提出，如胶囊网络，生成对抗网络，迁移学习等。
现在的方向：视频检测
（迁移学习：不同领域
生成对抗网络
