Add 深度学习要解决的问题

深度学习入门/第一章 深度学习必备知识点.md

@@ -1 +1,65 @@
 ### 第一章 深度学习必备知识点
+
+#### 深度学习要解决的问题
+
+![ai概念](assets/ai概念.jpg)
+
+> 人工智能、机器学习、深度学习的区别于联系
+
+
+
+机器学习的流程：
+
+- 数据提取
+- 特征工程
+- 建立模型
+- 评估与应用
+
+> 特征工程可以说是建模过程中，最重要的部分。
+
+既然特征工程是最重要的，常规我们会做各种各样的特征，如聚合统计、交叉等，那有没有一种方法，它可以**自动的**去选择重要的特征。
+
+而深度学习可以说是最接近人工智能这一概念的，因为它解决了机器学习中“人工的”问题，如人工的选择特征、选择算法等。
+
+深度学习最大的亮点，就是解决特征工程的人工问题。
+
+特征工程的作用：
+
+- 数据特征决定了模型的上限
+- 预处理和特征提取是最核心的
+- 算法与参数选择决定了如何逼近这个上限
+
+特征如何提取，数值类的相对容易，那么文本类、图像类的呢？
+
+传统特征提取方法：
+
+![1609231197783](assets/1609231197783.png)
+
+> 各种计算可以说是非常麻烦的。
+
+为什么需要深度学习：
+
+![1609231229982](assets/1609231229982.png)
+
+> 如上图，将一个图像，分解成多个维度并变换成数值，变成机器可认识的。
+
+#### 深度学习应用领域
+
+自动驾驶：
+
+![1609231356957](assets/1609231356957.png)
+
+人脸识别：
+
+![1609231444053](assets/1609231444053.png)
+
+医学检测：
+
+![1609231564609](assets/1609231564609.png)
+
+缺点：计算大量数据导致速度慢。
+
+数据规模越大，越适合深度学习
+
+![1609231974586](assets/1609231974586.png)
+