第九讲——深度学习：
图像识别技术越发成熟，逐渐超过人眼识别，随着近些年技术的完善，图像识别技术的错误率越来越低。
除了图像识别，机器翻译能力也有了大幅度的提升
这些技术都与深度学习脱不开关系，下面我们来说说为什么“深度学习”获得如此巨大的发展的原因：
而提到深度学习，我们就不得不提到他的基础组成——感知机。人们通过人体的神经元得到灵感，提出了感知机的概念。
而只有一个的话就叫感知机，多个感知机联系起来成为多层感知机。
传统感知机遇到的问题：
ps：机器学习和深度学习是不一样的：
第一种核心思想：通过层次化学习得到图像特征完成图像识别。
第二个核心思想：将深度学习看成非线性函数逼近
注意：不一定隐含节点越多效果越好
四种典型网络结构：
详情：
卷积层典型结构：
除此之外，12年提出了AlexNet，14年谷歌提出了GoogLeNet，15年提出了ResNet等等。
下面介绍的是深度学习的人脸识别等其他深度学习的技术，还提到了自动驾驶、自然语言处理等技术，都用到了深度学习。
最后演示了一个人脸识别的小例子~