人工智能：能够感知、推理、行动和适应的程序
机器学习：能够随着数据量的增加不断改进性能的算法
深度学习：机器学习的一个子集：利用多层神经网络从大量数据中进行学习
机器学习算法：基于数学，或者统计学的方法，具有很强的可解释性
例如：
K最近邻居（K-Nearest Neighbors,简称KNN）
基本思想：测量不同数据点之间的距离来进行预测
工作原理：1、距离度量（欧式距离）
2、确定邻居数量K
3、投票机制
决策树
朴素贝叶斯
简而言之，深度学习就是找一个函数f，设计一个很深的网络架构让机器自己学
常见的神经网络输入：
1、向量
2、矩阵
3、序列
常见的神经网络输出：
1、回归任务
2、分类任务
3、生成任务（结构化）
深度学习任务：分类和回归是生成的基础，分类和回归是生成的基础，有的时候需要多个模态的数据，比如 图片， 文字， 声音
如何进行深度学习？
如何找一个函数呢？
，
