今天的內容會帶大家了解 1. 類神經網路與深度學習的比較以及差異性 2. 深度學習能解決哪些問題 3. 深度類神經網路常見名詞與架構 深度學習不僅僅在深度高於類神經，因著算法改良、硬體能力提升以及巨量資料等因素，已經成為目前最熱門的技術 不同的深度學習架構適用於不同種類的應用 如卷積神經網路(CNN)適用於影像處理、遞歸神經網路(RNN)適用於自然語言處理 至今這些架構仍在持續演進與改良。 深度神經網路巨觀結構來看，包含輸入層 / 隱藏層 / 輸出層等層次，局部則是由啟動函數轉換輸出 藉由預測與實際值差距的損失函數，用倒傳遞方式更新權重，以達成各種應用的學習目標 有了大概的理解之後，我們開始今天的學習吧！！！