第一章：引言
01.01 日常生活中的机器学习
程序员无法提出完善的解决方案，有时任务遵循一种随时间变化而变化的模工，程序需要自动调整，任务内关系复杂，需要数次或数百万次计算，在质检方面，即使人类眼晴能毫不费力的完成难以提出的完美方案的任务。机器学习（machine learning,ML）是一类强大的可以从经理中学习的技术。通常采用观测数据与环境交互的形式，机器学习算法会积累更多的经验，其性能也会逐步提高。本项目特别关注深度学习（Deep learning,DL）的基础知识，深度学习是一套强大的技术，它可以推动计算机视觉，自然语言处理，医疗保健和基因组学等不同领域的创新。
机器学习应用在日常生活中的方方面面，如iPhone的：“Hey Siri！
我们用数据训练（train）模型训练过程通常包含如下步骤：
1、从一个随机初始化参数的模型开始，这个模型基本没有“智能”；
2、获取一些数据样本（例如，音频片段以及对应的是或否标签）；
3、调整参数，使模型在这些样本中表现得更好；
4、重复第（2）步和第（3）步，直到模型在任务中的表现令人满意。
这种“通过用数据集来确定程序行为”的方法可以被看作用数据编程（programming with data）。 比如，我们可以通过向机器学习系统，提供许多猫和狗的图片来设计一个“猫图检测器”。 检测器最终可以学会：如果输入是猫的图片就输出一个非常大的正数，如果输入是狗的图片就会输出一个非常小的负数。 如果检测器不确定输入的图片中是猫还是狗，它会输出接近于零的数…… 这个例子仅仅是机器学习常见应用的冰山一角， 而深度学习是机器学习的一个主要分支