Deep Learning

人工智慧、機器學習和深度學習的差異

• 人工智慧(Artificial Intelligence, AI)
• 機器學習(machine learning, ML)
• 深度學習(deep learning, DL)

「機器學習」（Machine learning）是屬於人工智慧的一部分，另外「深度學習」（Deep learning）又屬於機器學習的一種。

機器學習

• 「機器學習」是一門涵蓋電腦科學、統計學、機率論、博弈論等多門領域的學科。
• 電腦從大量的資料中找出規律來「學習」，稱為「機器學習」，也是「資料科學」（Data Science）的熱門技術之一。
• 
  「機器學習」（Machine learning）是屬於人工智慧的一部分。
   

機器學習架構

機器學習是透過演算法將收集到的資料進行分類或預測模型訓練，在未來中，當得到新的資料時，可以透過訓練出的模型進行預測。

深度學習

• 深度學習（深度神經網路）是讓電腦可以自行分析資料找出「特徵值」，而不是由人類來決定特徵值。

雲端服務

NanoNets - https://nanonets.com/

NanoNets is a web service that makes it easy to use Deep Learning. You can build a model with your own data to achieve high accuracy & use our APIs to integrate the same in your application.

延伸閱讀

• Deep Learning（深度學習）學習筆記整理
• 卷積神經網路的運作原理 (CNN)
• 機器學習：使用Python
• 深度學習系列: 什麼是AP/mAP?
• 數據挖掘十大經典算法 K-NN
• 用K近鄰算法像隔壁老王一樣成功！
• 用 Kaggle 經典案例教你用 CNN 做圖像分類！
• 用Keras和CNN建立模型，識別神奇寶貝
• 手寫數字辨識運用CNN深度學習實作
  • Convolution Layer卷積層, Pooling Layer 池化層, Fully Connected Layer 全連接層
  • Python 實作 手寫數字辨識
  • MNIST Dataset, TensorFlow
• Kaggle
  • Kaggle 介紹
  • [Kaggle] 数据建模分析与竞赛平台介绍
  • 大数据竞赛平台——Kaggle 入门
  • Kaggle Learn | Deep Learning 深度學習 - 一起寫作業，用 Keras 來辨識「熱狗」吧
  • Kaggle Learn | Deep Learning 深度學習 (Part 2) - 運算資源、訓練模型的資料不夠怎麼辦？Transfer Learning & Data Augmentation