1.机器学习简介
2.深度学习简介
3.神经网络
4.Tensorflow基础
5.神经网络Tensorflow实战
1.机器学习简介
机器学习是什么？——无序数据转化为价值的方法。
机器学习的价值——从数据中抽取规律，并用来预测未来。
2.机器学习应用举例
分类问题——图像识别 、垃圾邮件识别（球赛电视直播画面的选取）
回归问题——股价预测、房价预测
排序问题——点击率预估、推荐
生成问题——图像生成、图像风格转换、图像文字描述生成
3.机器学习应用流程
4.机器学习岗位职责
深度学习：
深度学习与机器学习：
深度学习包含的都有哪些算法技术？
目前，深度学习的进展：
转载于:https://www.cnblogs.com/doker/p/11188392.html
