| 庄薪霖 |
视频内容非常全面深刻，我在有一点点基础的情况下听了个大概。深度学习是一个非常吸引人的领域，也是我经过深思熟虑后打算入坑的学习方向。之前尚且在对机器学习、深度学习等停在感性认知的情况下，作了一个有关人脸识别的综述，接触到了很多新概念，感觉很多东西都是一头雾水。现在打算从头学起，暂时先不去调用已有的包，从最基础的数学概念入手先自己动手实现个简单版本，而后再去学习高级包的使用。目前已经准备好了大量的书籍资料，加上网上大量的优质项目等，我相信一边看源代码一边思考，我也能构建出自己的模型，真正地解决一个实际问题。 |
| 周博谦 |
通过第一个视频的学习，首先，我终于弄清楚了人工智能、机器学习与深度学习的关系，之前总是将这三个概念混为一谈。此外，我还了解到神经网络与深度学习发展的曲折历史：总是在质疑声中不断向前，算法不断优化，从而不断贴进人们的日常生活、生产需要，最终才能落地。最后，我也通过一些具体的算法，了解到深度学习也有其适用的范围和局限性（如解释性差，数据来源难以做到完全中立等），只有在特定的场景下才能发挥其优势。通过第二个视频的学习，我知道了一般情况下，增加深度可以使模型误差变小，但是在sigmoid激活函数下，增加深度也会造成梯度消失，使误差无法传播。因此，三层神经网络是一种主流，同时，预训练、新激活函数使得深度成为可能。 |
| 帅翔宇 |
深度学习：给计算机输入大量数据使之提取特征建立起某种模型，感觉像是给出一些坐标点来进行函数模型的建立。其中又有监督和无监督两种区别，监督是指给每个输入数据集进行人工标注特征，从而使建立出的模型可以达到具有预测能力的目的；而无监督模型是指不进行标注而是让机器进行自主处理数据，从结果中观测出数据集的特征或分类。神经网络则是深度学习领域中的又一个学科，它将数据集的特征进行分层组合，从而高效地建立起数据预测模型。 |
| 麻宏洋 |
通过视频学习我首先了解到了人工智能是一个很大的概念，是一个科技领域，人工智能的研究范畴包括知识表现、智能搜索、机器学习、逻辑程序设计、神经网络、复杂系统等。人工智能的实现方法有两种，一种是一种是采用传统的编程技术，使系统呈现智能的效果，称为工程学方法，另一种为模拟法。而想要实现人工智能可以通过机器学习的方法，那么我们可以利用深度学习来实现人工智能，而神经网络又属于深度学习。所谓神经网络也可以称为连接模型是一种模仿动物神经网络行为特征，进行分布式并行信息 处理的算法数学模型。神经网络常用的开发工具为NeuroSolutions。它可以将模块化，基于图标的网络设计界面，先进的学习程序和遗传优化进行了结合。 |
| 花如壮 |
人工智能虽然在当前时代背景下显得尤为重要，但却并没有办法像人一样思考和解决问题。学习的方式可以多种多样，监督式学习、半监督式学习、强化学习，但也仅仅是通过数据标记输入输出来区分，不同的情况对应着不同的学习方式，但却无法独立去观察思考一个问题，所以人工智能的目前阶段总归就是一个更加高大上的工具而已。更多：https://www.cnblogs.com/coolab/articles/15383139.html
|
| 赵文杰 |
看过视频之后大致了解了一些深度学习的历史。了解了深度学习仍然存在的一些问题，像是稳定性差，改动一些内容之后正确率会大幅降低；可调试性差，不能对模型做出有效的修改；需要大量数据做训练容易导致机器偏见以及推理能力差等等。感觉模拟人类神经元的结构是一个很大的进步，期待之后深度学习给人类社会带来的变化。 |