1.神经网络、深度学习与人工智能的之间的关系
神经网络是实现深度学习的基础技术，深度学习是人工智能的核心领域
2.深度学习中常见的避免过拟合的方法
（1）数据增强；（2）L1 L2正则化；（3）集成学习；（4）早停机制；（5）Dropout
3.什么是机器学习，常见的机器学习类型有哪些
机器学习等价于一个映射函数，指从有限的观测数据当中学习出具有一般性的规律，并利用这些规律对未知数据进行预测的方法
机器学习类型：（1）监督学习：指训练集为人工标注的数据，从而学习特征属性与标签之间的内在关系，主要用于回归，分类（2）半监督学习：指训练集有一部分是人工标注的一部分不是，支持向量机（3）无监督学习：训练集无人工标注，聚类，降维，密度估计（4）强化学习：智能体与外部环境交互并从中获得最大的奖赏，围棋
4.机器学习和深度学习的步骤
机器学习：
数据获取---数据预处理（处理异常、缺失值等）---特征提取---特征转换---模型选择---模型训练---预测---输出结果
其中数据预处理到特征转换可以简称为特征工程，十分依赖人去做这个事情
深度学习
数据获取---底层特征---中层特征---高层特征---模型选择---训练模型---预测---输出结果
其中与机器学习的特征工程步骤相比，深度学习的属性特征学习全交给神经网络自动学习
5.人工智能的发展历史
推理期（1956年达特茅斯会议提出人工智能）----知识期（专家系统的兴起）----学习期（深度学习的流行与发展）
6.人工神经元和人工神经网络概念
人工神经元：模型生物神经元的数学模型，人工神经网络的基本单元；输入------权重------计算（加上偏置）------激活------输出；本质就是输入------加权处理------非线性转换
人工神经网络：由大量神经元以及它们之间的有向连接构成且具有并行分布结构；输入层------隐藏层------输出层
7.神经网络发展历史
模型提出------冰河期------反向传播算法引起复兴------流行度降低------深度学习的崛起