第一部分：
深度学习基础
第一章：什么是深度学习？
本章介绍了基本的AI和机器学习以及深度学习的区别和关系，以及他们的大概发展，还有未来趋势。
主要点：
本书最主要想表达的思想就是：我们需要从能够从噪声中识别出信号，从而在过度炒作的新闻稿中发现改变世界的重大进展。
1.AI，Machine learning and deep learning的概念和区别：
AI：让机器像人一样能够自动的智能的解决问题，完成任务。
机器学习：在预先定义好的可能性空间中，利用反馈信号的指引来寻找输入数据的有用表示。输入到目标的映射。
深度学习：学习数据表示的多级方法。找到一组权重（参数）值。
相同点：都是智能的解决问题，但是AI的范围更加大。机器学习和深度学习都是要找到数据的不同表示方法，以便更好的分类或者进行其他处理，但是深度学习指的是多级的表示方法。
三者关系图如下：
2.深度学习的大致过程：
首先输入数据，通过不同层进行数据变换，给出预测值。再通过真实目标值计算的损失函数进行反向传播，优化更新权重，循环训练得到最优结果。如图：
3.简单介绍一些传统的机器学习方法：
核方法：将数据映射到高维表示从而使分类问题简化。
SVM支持向量机：属于核方法的一种，通过映射找超平面。
决策树-随机森林-梯度提升机：通过决策树的组合进行分类。
4.深度学习关键思想：卷积神经网络和反向传播。（具体内容在下一章介绍）