python 深度學習 keras之父

想要控制一件事物，首先需要能夠觀察它。

機器學習發展曆程:

1. 機率模組化：logistic回歸、樸素貝葉斯；
2. 早期神經網絡：梯度下降；
3. 核方法: SVM;
4. 随機森林、決策樹和梯度提升機；

5. 神經網絡；

   Kaggle 上主要有兩大方法：梯度提升機和深度學習。梯度提升機主要使用XGBoost，深度學習主要使用keras;

   張量的關鍵屬性：

   軸的個數、形狀、資料類型；

   張量運算：

6. 加法、乘法；
7. 張量點乘；

8. 張量變形；

   張量運算的集合解釋：輸入資料的幾何變換；

   深度學習的幾何解釋：

   神經網絡(或其他機器學習模型)：找到實作目标的變換，使得兩個類别明确可分；

   機器學習内容：為複雜的、高度折疊的資料流找到簡潔的表示；

   雖然得到的表示是沒有意義的，但這是一個起點。下一步則是根據回報信号逐漸調節這些權重。