---

前言

通過學習PaperCilb製作的互動視訊《一個人工智慧的誕生》學習機器學習的基本邏輯。

---

一、路線圖

下圖是 一個人工智慧的誕生 的總體學習路線圖介紹：

二、開始學習

1.識別數字

萬物皆數——畢達哥拉斯
MNIST資料庫是一個經過預先處理的數字照片集合（7萬張手寫數字28X28畫素）。

一張照片包含784個畫素，【畫素：由8bit儲存灰度值，即共有2的8次方0-255個灰度值（0黑）】最終可以形成一個(X1,X2,X3,X4…X784)的784維向量，該向量對應784維空間中的一個點。
以3，7分類為例：由於3和7在28X28的一張照片中，數字軌跡在圖片中的分佈位置有一定的規律，由此形成的向量中的每一個值必然有一定的區間，那麼3和7在784維空間中的分佈也有一定的區域存在，由此將MNIST資料庫中的所有3，7進行向量的標註可以形成兩個大致的區域。

系統只需要能找到一個783維的參數列達式就可以將784維的兩類資料分開，從而判斷3和7。

就像二維座標系中的ax+y+b=0一樣，最終會形成一個X1W1+X2W2…X784*W784+b=0的引數式，其中Xi是畫素值（不同照片不一樣會變），Wi是權重，如果系統能找到所有的Wi值，即找到783維的分割域，那麼系統就可以據此判斷3和7。

這就是系統進行自動訓練的簡單描述，但如何去尋找Wi的值才是重中之重，下節會講到。

2.鱷魚與蛇

3.序幕

4.加一層

5.梯度下降

6.終點

7.搭建你的神經網路

8.神經網路挑戰賽