[NHẠC] Chúng ta đã thấy học sâu thú vị như thế nào. Chúng ta không thể ứng dụng nó trong nhiều lĩnh vực và chúng ta cần tính chính xác cao bằng việc học
các tính năng thực sự chi tiết của dữ liệu của chúng ta, mạng của bạn có thể hỗ trợ điều đó như thế nào. Chúng ta đã thấy cách nó ứng dụng cho các nhiệm vụ khác nhau trong sự phân tích
 hình ảnh trong computer vision. Hãy xem lại sơ đồ khối mà chúng ta đã thấy việc tổng kết quy hồi và phân loại và các nhiệm vụ máy móc khác. Làm thế nào để có thể ứng dụng cho
 computer vision cho nghiên cứu sâu? Cụ thể hãy nói về các tính năng sâu cho các hình ảnh phân loại. Các tính năng sâu cho phân loại hình ảnh. Đầu vào ở đây là các cặp hình ảnh với các nhãn dán của chúng. Các nhãn dán mà chúng ta đã thấy là những thứ
 như là có một con mèo, một con chó, một ngôi nhà hoặc một vài các vật thể trong hình ảnh. Bây giờ chúng ta để chúng thông qua tính năng trích xuất. Trong trường hợp này chúng ta đang sử dụng mô hình 
nghiên cứu sâu như là một tính năng trích xuất. Đầu ra ở đây cái mà chungst a gọi là các tính năng sâu cho hình ảnh cụ thể này với mỗi hình ảnh. Bây giờ chúng ta đưa vào trong hình ảnh cụ thể này, các tính năng đại diện thông qua một mô hình máy móc. Nơi mà chúng ta sử dụng một bộ phân loại 
đơn giản như là quy hồi logic ở đây. Quy hồi logic là một ví dụ. Đầu ra là các nhãn đã dự đoán của chúng ta. Các nhãn đã dự đoán. Chúng ta sẽ đưa vào các nhãn đã dự đoán y mũ và các nhãn đúng y vào trong phép đo chất lượng. y và y mũ và phép đo về chất lượng phụ thuộc vào nhiệm vụ của bạn. Với nhiệm vụ này chúng ta sử dụng độ chính xác phân loại. Và các thông số cái mà là các thông số thực của trọng lượng của quy hồi logic. Những điều đó là trọng lượng của chúng ta trên các tính năng. Cái mà thuật toán máy móc sẽ làm là lấy độ chính xác phân loại, cố gắng để làm tốt hơn bằng việc thay đổi
 trọng lượng w mũ và cập nhật chúng. Chúng ta đã thấy cách nghiên cứu sâu có thể cho bạn các kết quả thú vị cho các nhiệm vụ khác nhau trong computer vision. Chúng ta đã thấy cả hai phân phân loại ứng dụng và để lấy ra các hình ảnh mới sử dụng
 mạng lưới thô như là các tính năng sâu. Và các ghi chú của chúng ta cái mà 
chúng ta đã khám phá cho chúng ta thấy nó rất dễ để xây dựng các mô hình nghiên cứu sâu và ứng dụng với các nhiệm vụ học máy thú vị trong computer vision. Cả trong phân loại và truy xuất hình ảnh cái mà cho phép tôi tìm ra các công cụ tốt mà tôi rất thích thú. Với điều này bạn sẽ có thể xây dựng một ứng dụng thông minh rất thú vị sử dụng một trong những kỹ thuật được tìm kiếm
 nhiều nhất ngày này trong học máy, nghiên cứu sâu. [NHẠC]