目前B站最完整的【五大深度学习神经网络算法教程】我居然14小时就搞懂了CNN+R

ai> 机器学习 >深度学习

机器学习1数据收集2特征工程3建立模型4评估和应用

深度学习-特征工程

机器学习偏向人工处理

深度学习是智能的处理 核心部分最大程度解决特征工程处理

特征工程的作用：数据特征决定模型上限

预处理和特征提取是最核心的 算法和参数选择决定了如何逼近这个上限

深度学习解决的问题是如何选取特征： 通过神经网络对原始数据做非常复杂处理过程 这一步可以看成一个黑盒子 而这个黑盒子可以自动的提取各种各样的特征 计算机自己也可以通过不断的学习选取什么样的特征是最合适的

深度学习的应用： 大部分是计算机视觉（图像）和自然语言（文本）当中的应用 比如通化神经网络可进行超分辨率重构 重新给一个图像3d建模自动上色 这项技术可以应用在建筑物的保存和修复领域

在某网站的报告中显示如果数据规模较小，传统人工智能算法和深度学习算法所产生的效果没有区别 反而传统人工智能算法计算速度更快。而数据规模越大，比如几万几十万上百万的数据集，才能用深度学习的算法去做，比传统人工智能算法的效果好。