基于对多个层的特征或者表象的学习，形成一个由低级 到高级的层次结构特征 传统的机器学习关注于特征工程,深度学习关注于端到 端的基于原始数据的学习 为什么需要深度学习？ 深度学习- 举例 深度学习 － 神经网络 是一种模仿生物神经网络(例如大脑)的结构和功能的计 算模型 是一种非线性统计性数据建模工具，对输入和输出间复 杂的关系进行建模 一组简单可以训练的数学单元集合，共同学习复杂的功 能 深度学习 － 训练 图像帧、每帧的像素、每一帧的deltas 值等等 文本– 字符、词、从句、句子等等 语音– 音频、频段、波长、调制等等 ... 深度学习的优势 特性自动推导和预期结果的优化调整 可变的自动学习的健壮性 重用性－相同的神经网络的方法可用于许多应用和数据 类型 通过利用GPU的大规模并行计算－可扩展的大容量数据 深度学习的开发框架 Torch (NYU,2002), Facebook AI, Google Deepmind Montreal, ~2010), 学院派 Kersa, “Deep Learning library for Theano and TensorFlow” Caffe (Berkeley)，卷积神经网络,贾扬清 TensorFlow (Google) Spark MLLib 深度学习中的开发框架框架 THEANO 学院派血统,Montreal University 非常灵活，非常复杂 通过底层借口可以做到大量的定制

############################################# | section3 ROUGE RIBES word2vec TF-IDF 机器翻译的手法 神经网络 向量化的典型手法 $ from RIBES import RIBESevaluator $ ribes = RIBESevaluator() $ score = ribes.eval([target]

############################################# | section3 ROUGE RIBES word2vec TF-IDF 机器翻译的手法 神经网络 向量化的典型手法 $ from RIBES import RIBESevaluator $ ribes = RIBESevaluator() $ score = ribes.eval([target]

by Y X is purchased by Y X is bought by Y  基于机器学习的关系抽取方法 • 有监督的关系抽取方法（e.g., 基于特征工程的方法，基于核函数的方法，基于神经网络的方法） • 弱监督的关系抽取方法 Distant Supervision（远程监督），即如果两个实体之间存在某种关系，则所有包含这两个实体的句子都 表达了这种关系，这些句子的集合被称为一个“包”。

字典中的所有字按照拼音顺序存储在数组中，然后使用与日常 查纸质字典相同的“翻开中间，排除一半”的方式，来实现一个查电子字典的算法。 深度学习。神经网络中大量使用了向量、矩阵、张量之间的线性代数运算，这些数据都是以数组的形式构建 的。数组是神经网络编程中最常使用的数据结构。 4.2. 链表 � 引言 内存空间是所有程序的公共资源，排除已占用的内存，空闲内存往往是散落在内存各处的。我

字典中的所有字按照拼音顺序存储在数组中，然后使用与日常 查纸质字典相同的“翻开中间，排除一半”的方式，来实现一个查电子字典的算法。 深度学习。神经网络中大量使用了向量、矩阵、张量之间的线性代数运算，这些数据都是以数组的形式构建 的。数组是神经网络编程中最常使用的数据结构。 4.2. 链表 � 引言 内存空间是所有程序的公共资源，排除已占用的内存，空闲内存往往是散落在内存各处的。我

表。例如，我们有一个字符到其 ASCII 码的映射，可以将字符的 ASCII 码值作为索引，对应的元素存 放在数组中的对应位置。 ‧ 机器学习：神经网络中大量使用了向量、矩阵、张量之间的线性代数运算，这些数据都是以数组的形式 构建的。数组是神经网络编程中最常使用的数据结构。 ‧ 数据结构实现：数组可以用于实现栈、队列、哈希表、堆、图等数据结构。例如，邻接矩阵是图的常见 表示之一，它实质上是一个二维数组。

找表。假如我们想实现字符到 ASCII 码的映射，则可以将字符的 ASCII 码值作为索引，对应的元素存放在数组中的对应位置。 ‧ 机器学习：神经网络中大量使用了向量、矩阵、张量之间的线性代数运算，这些数据都是以数组的形式 构建的。数组是神经网络编程中最常使用的数据结构。 ‧ 数据结构实现：数组可以用于实现栈、队列、哈希表、堆、图等数据结构。例如，图的邻接矩阵表示实 际上是一个二维数组。

表。假如我们想要实现字符到 ASCII 码的映射，则可以将字符的 ASCII 码值作为索引，对应的元素存 放在数组中的对应位置。 ‧ 机器学习：神经网络中大量使用了向量、矩阵、张量之间的线性代数运算，这些数据都是以数组的形式 构建的。数组是神经网络编程中最常使用的数据结构。 ‧ 数据结构实现：数组可以用于实现栈、队列、哈希表、堆、图等数据结构。例如，图的邻接矩阵表示实 际上是一个二维数组。

找表。假如我们想实现字符到 ASCII 码的映射，则可以将字符的 ASCII 码值作为索引，对应的元素存放在数组中的对应位置。 ‧ 机器学习：神经网络中大量使用了向量、矩阵、张量之间的线性代数运算，这些数据都是以数组的形式 构建的。数组是神经网络编程中最常使用的数据结构。 ‧ 数据结构实现：数组可以用于实现栈、队列、哈希表、堆、图等数据结构。例如，图的邻接矩阵表示实 际上是一个二维数组。