【吴恩达 Coursera深度学习课程】 Neural Networks and Deep Learning 第一周课后习题

因为这学期选了深度学习的课程，所以也会自学一下相关内容，在网上选择了吴恩达的深度学习来进行学习，首先是第一门课程，Neural Networks and Deep Learning。

第一周的内容是深度学习概论，课后习题为十个选择题，个人观点，仅供参考，欢迎指正。

这题问为什么称AI是一种新电力，电对世界的改变有目共睹，而为什么说AI也是如此呢，因为有了AI，改变了很多行业也创造了很多行业，也带来了智能发展的浪潮。

这题问深度学习崛起的原因，题中的后三个选项都符合要求，我们有更大规模的数据，有更多更快的计算资源，深度学习也确实非常有用而且影响力深刻。

这题是一个机器学习的思维图表，选项中提到的，能够想到一个想法马上就去尝试，自然能够迭代地更快。更快的计算资源也能帮助一个队伍更快地去尝试新观点。训练一个小数据集会比训练一个大数据更快。而且，因为在深度学习算法方面的进步，会允许我们更快地去训练模型。

尽管经验是很重要的，但是最重要的还是去调参以获得最好的效果，即使经验丰富，也需要迭代多次来调整参数以建立一个好的模型。

ReLU**函数是一个分段线性函数，把所有的负值都变为0，而正值不变。

图像识别是一个关于非结构化数据的列子，像图像，视频，音频都是非结构化的数据。

虽然数据来源不同，但是这些数据是可以表现为二维形式的数据。有定义好的数据模型，因此是结构化的数据。

RNN适用于序列数据，比如机器翻译就是一个序列到另一个序列的转换

x轴表示的是数据量，y轴表示的是算法表现/性能

由上题图可以看到，增加数据量和增加神经网络的规模都可能对算法的性能有显著的帮助。