深度学习简介
人工智能领域两个顶级会议IJCAI、AAAI
机器学习重要会议ICMC、NeurIPS(NIPS)
深度学习ICLR
表示依赖
数据表示形式，如何获得最佳的表示形式？？？
表示学习：使用机器学习来发掘表示本身，而不仅仅把表示映射到输出
深度学习
深度学习的历史趋势
第一阶段：控制论
第二阶段：联结主义
中心思想：当网络将大量简单的计算单元连接在一起时，可以实现智能行为。
关键概念：分布式表示、反向传播算法、长短期记忆网络
第三阶段：深度学习
特点：强调研究者现在有能力训练以前不可能训练的比较深的神经网络，并着力于深度的理论重要性上
与日俱增的数据量：MNIST：机器学习的果蝇（modify）、CIFAR-10、ImageNet数据集
与日俱增的每神经元连接数、神经网络规模
日益降低的错误率
深度学习的应用
计算机视觉
语音识别、自然语言处理、人机博弈
深度学习工具介绍和对比
ensorFlow最早由谷歌大脑的研究员和工程师开发，设计 初衷是加速机器学习的研究，并快速地将研究原型转化为产品。
