绪论
神经网络：一种以(人工)神经元为基本单元的模型
例如：FNN、MN、GN
深度学习：一类机器学习问题，主要解决贡献度分配问题。
课程安排：首先讲机器学习、再讲神经网络。之后了解概率图模型为无监督学习做铺垫，强化学习也会涉及。
如何开发一个人工智能系统
举例：芒果机器学习
选取芒果的特征：颜色、大小形状、产地、品牌即输入变量，输出变量为成熟度、多汁或者是否甜蜜
深度学习：
机器学习可以解决很简单的线性问题，但是对于语义鸿沟是无法跨越的，一般方法不太行，所以需要是使用表征学习。
如何表示语义
局部表示：离散表示、符号表示 One-Hot向量
分布式表示：压缩、低维、稠密向量
表示学习与深度学习的关系 一般表示学习用于深度学习，深度学习目前的应用范围更广
深度学习的模型 端到端的形式
数学模型