1、基于深度置信网络(DBN)提出非监督贪心逐层训练算法，为解决深层结构相关的优化难题带来希望，随后提出多层自动编码器深层结构。
2、监督式学习（Supervised learning），是一个机器学习中的方法，可以由训练资料中学到或建立一个模式（ learning model），并依此模式推测新的实例。训练资料是由输入物件（通常是向量）和预期输出所组成。
3、听他人说的：无监督与监督学习的区别在于一个无教学值，一个有教学值。但是，个人认为他们的区别在于无监督学习一般是采用聚簇等算法来分类不同样本。
4、监督学习的算法是通过分析已知类别的训练数据产生的。无监督学习的算法主要有主成分分析方法、等距映射方法、局部线性嵌入方法、拉普拉斯特征映射方法、黑塞局部线性嵌入方法和局部切空间排列方法等。
5、）.监督式算法： 具有一个标准的本体，算法通过学习对数据进行预测，从而与本体进行比较。
6、常用的无监督学习算法主要有三种：聚类、离散点检测和降维，包括主成分分析方法PCA等，等距映射方法、局部线性嵌入方法、拉普拉斯特征映射方法、黑塞局部线性嵌入方法和局部切空间排列方法等。
深度学习算法以下三种：回归算法。回归算法是试图采用对误差的衡量来探索变量之间的关系的一类算法，是统计机器学习的利器。基于实例的算法。
深度学习方法包括两点：深度认识到学习的重要性，想方设法去提高对学习的认可度和执着度。深度找寻学习方法，比如向名师学习，利用新时代网络寻找多元化学习法。
深度学习常见的3种算法有：卷积神经网络、循环神经网络、生成对抗网络。卷积神经网络(Convolutional Neural Networks， CNN)是一类包含卷积计算且具有深度结构的前馈神经网络(Feedforward Neural Networks)，是深度学习的代表算法之一。
1、深度学习是一类机器学习算法： 使用多个层逐步从原始输入中逐步提取更高级别的特征。例如，在图像处理中，较低层可以识别边缘，而较高层可以识别对人类有意义的部分，例如数字/字母或面部。
2、深度学习算法以下三种：回归算法。回归算法是试图采用对误差的衡量来探索变量之间的关系的一类算法，是统计机器学习的利器。基于实例的算法。
3、深度学习具体都会学神经网络、BP反向传播算法、TensorFlow深度学习工具等。
4、深度学习主要学的有：神经网络、BP反向传播算法、TensorFlow深度学习工具等。深度学习英文全称为：deep learning，是机器学习的分支，主要是把人工神经网络当作构架，进而对数据进行表征学习的算法。
5、只有简单的了解：常见的深度学习算法有三种：来卷积神经网络、循环神经网络、生成对抗网络。
运动： 每周两次有氧运动可以帮助提高效率。总之，使用的工作外的时间来修养身心，工作时会更加精力充沛。直面困难、克服拖延 我们拖延，不是因为懒惰，而是因为任务的重要性会使我们感到焦虑。
很多的人，第一步提议的就是培训对人工智能的兴趣，为什么是这个建议，因为人刚开始工作的时候，兴趣是会比较浓厚的，但是兴趣是会慢慢的下降的，兴趣一低，那么你的工作效率就会大大的下降，所以要重视你对人工智能的兴趣。
提前制定工作计划 工作没有计划，就容易盲目，找不到努力的方向。所以，要提前制定符合自己的工作计划，合理安排工作时间，并严格遵守执行。
形成良好的工作和商业计划为了开放，你可以更好地规划你的工作并改进你的工作。因此，目标的管理是预先确定的，以提高您的工作能力。事实上，仅仅有目标是不够的。同时，必须有明确的目标。
制定计划 团队合作可以提高工作效率。当我们与团队合作时，可以互相协作，分担任务，提高工作效率。因此，我们需要学会团队合作，与同事建立良好的合作关系。制定计划 学会团队合作 制定计划是提高工作效率的关键。