不懂高数也能入门深度学习

PaddlePaddle 入门和实战

距2017 年 12 月 7 日 由百度公司举办的 “ 百度 AI 加速器第一期开营仪式 ”成功举办并推出“ 燎原计划 ”已有一周多时间，根据学员学习的积极程度和产出来看，星星之火已开始升温，这篇文章就是我们优秀学员对于学习的深度体会，作者是百度 AI 技术的忠实学员和践行者，笔记内容和图片等已经作者同意，于我们平台进行发布。

提前声明：本文标题为“ 不懂高数 ”，并非“ 不懂数学 ”。如有异议，抗议无效😳

提前透露：后续还会有更加基础入门资料发放。

作者的原始目标 读者 是从事 IT 工作，想学习 AI 技术的专业人员。（敲黑板+严肃脸：咱的读者都是专业的）。当然如果自己看不懂，不如转给朋友同学，让朋友一起懵逼~

PS：（分割线后正文）如果不知道 PaddlePaddle 的深度学习去哪儿入手，可以去极客学院的官网企业入口，点击进入 百度 AI 图像技术课程 。

正文开始：

首先是我们本节课程地址：http://www.jikexueyuan.com/course/4031.html

1. 学前准备

本视频讲的就是AI基础知识，让新用户打好理论基础，并且希望通过本次视频和学习笔记，逐步将AI爱好者引导至百度PaddlePaddle开源框架。如果是非IT人员仅仅想了解行业，还是建议看《猿人的第一次直立行走》这篇文章。

本视频讲了主要这些内容：

1. 什么是机器学习 / 深度学习，以及简单分类。

2. 什么是模型。

3. 什么是假设函数。

4. 什么是损失函数。

5. （重点）梯度下降训练模型。

6. 一个典型案例的说明和准备

7. （重点）数据预处理

8. 设计假设函数和损失函数

9. 训练和观测结果

水 多数人对AI学习的概念很模糊，以为这是个半年时间就能学有所成的技术，但是“做AI”和“用AI”的区别很大。“做AI”的要求很高，我从各个渠道获取的信息，不是藤校硕博就别梦想自研算法了；但“用AI”的要求并不高。

以这一节入门培训视频为例，有数学基础更好，没有高数基础听起来会很吃力，但多听几次查查百科也能听懂；实验实操部分使用的Docker部署环境和Jupyter电子书操作，对计算机水平要求也不高，能安装运行起Docker，能读懂Python常规语法即可。

2. 深度学习和机器学习的关系

深度学习是机器学习的最热门分支，这句话足以解释深度学习和机器学习的关系。机器学习可以分为有监督学习和无监督学习，监督学习主要解决分类和回归问题，无监督学习最主流的算法是聚类和词嵌入。

今天的课程只讲解监督学习的线性回归问题，这个经典的模型足以解释在深度学习中遇到的大部分基础问题。

3. 模型是什么

在监督学习过程中，一个Feature（特征）和对应的Label（标签）被称为一个样本（example），所有样本的集合被称为数据集（dataset）。图片识别过程中，原始图片是特征，图片的实际内容是标签；语音翻译过程中，原始语音是特征，输出的文字是标签；本节课的房价预测实验中，房价有关的13类信息是特征，预估出的房价是标签。