这个关于“什么是深度学习”的视频提供了一个有趣而简单的概念介绍。我们将了解深度学习是在哪里实现的，然后继续讨论它与机器学习和人工智能有何不同。我们还将了解什么是神经网络，以及如何训练它们来识别手写的数字。我们将进一步看看深度学习的一些流行应用。那么，让我们通过这个视频来深入了解一下深度学习的世界。

这个关于“什么是神经网络”的视频以寓教于乐的方式介绍了神经网络的概念。我们将了解神经网络中存在的不同层次，并理解这些层如何处理数据。我们将了解神经网络中使用的不同参数，如权重、偏差和激活函数。我们还将了解如何使用前向传播训练神经网络，然后使用后向传播方法调整网络中的误差。本视频还涵盖了一些流行的神经网络应用。现在，让我们直接学习什么是神经网络。

观看MATLAB系列技术讲座，探索关键的深度学习概念。学习什么时候使用深度学习，发现哪种方法适合您的具体应用，并探索您可能会遇到的一些挑战。在本视频中探索深度学习基础知识。您将了解深度学习为何如此流行的原因，并逐步了解3个基本概念：深度学习是什么，它在现实世界中的使用方式以及入门方法。

不到30年前，先进的机器人只是一个充满希望的梦想和未来的愿景。快进到今天，由于科学和技术的不断进步，这些愿景已成为现实。今天，我们将来看一看现实生活中的机器人，让你认为未来就是现在！

实际上，卡尔曼滤波器就是一种状态观测器，但它是为随机系统设计的。这就是卡尔曼滤波器方程和我们讨论概率密度函数之间的关系。

数据正在改变我们的工作方式，重塑商业模式。数据与设计主管安吉丽•奥吉罗(Angelique Augereau)和设计主管布鲁斯•金史(Bruce King-Shey)讨论了摩根大通的财务服务部门是如何利用数据来指导我们如何设计和向客户交付新产品的。

GPU Coder™用MATLAB®代码和Simulink®模型生成优化的CUDA®代码。生成的代码包括用于深度学习、嵌入式视觉和信号处理算法的可并行部分的CUDA内核。为了提高性能，生成的代码调用优化的NVIDIA® CUDA库，包括TensorRT™，cuDNN, cuFFT, cuSolver和cuBLAS。您可以将代码作为源代码、静态库或动态库集成到项目中。您还可以编译嵌入在NVIDIA Jetson®、NVIDIA DRIVE®和其他平台上的桌面、服务器和GPU的代码。

了解MATLAB® 如何可以为深度学习工作流程的每一个环节提供帮助：从预处理到部署。该视频概要介绍了使用MATLAB进行深度学习的情况。它描述了完整的工作流程，并说明了MATLAB如何在各个阶段帮助深度学习应用程序，包括导入和预处理图像，导入预训练的模型，使用GPU训练模型，调试深度学习结果以及将深度学习模型部署到硬件上，包括嵌入式硬件GPU。