深度学习的历史趋势
迄今为止深度学习曾经经验了 3 次倒退浪潮：
20 世纪 40 年代到 60 年代，深度学习的雏形呈现在控制论（cybernetics）中；
20 世纪 80 年代到 90 年代，深度学习体现为联结主义（connectionism）；
直到 2006 年，才真正以深度学习之名振兴。
初识几个概念
主动从数据中学习出特色与橙子类型的各种算法，那么这个模型的样子就是你的规定库。
深度学习处于人工智能的哪个地位
意识深度学习
一、神经网络的根本单元——神经元
用数学模型模拟的人工神经元外面解决的是所有树突的信号源及相干强的计算。
计算公式是这样的：s = p1w1+p2w2+p3w3+b
二、神经网络的构造
三、深度学习的概念
深度神经网络（深度学习）是一种具备至多一个隐层的神经网络，即暗藏层的层数很多。
深度学习与传统办法的区别
监督学习
深度学习中的监督式学习包含 卷积神经网络、循环神经网络 等。
非监督学习
深度学习中的非监督式学习包含确定型的自编码器办法、基于概率型受限玻尔兹曼机的比照散度办法等。
深度学习罕用的办法
- 自编码器
- 卷积神经网络
- 循环神经网络
深度学习无监督式办法自编码器
自编码器能够作为一种特色降维的办法。
当咱们应用 4 个值示意四个类别的时候：
用 4 个值示意 4 个类别是不紧致的，存在 压缩示意 的可能性，比方 2 个值就能够示意这四个不同的数。
深度学习有监督式办法卷积神经网络
深度学习有监督办法卷积神经网络
深度学习有监督办法—循环神经网
循环神经网络的起源是为了刻画 一个序列以后的输入与之前信息的关系 。从网络结构上，循环神经网络会记忆之前的信息，并利用之前的信息影响前面结点的输入。即：循环神经网络的 暗藏层之间的结点是有连贯的，暗藏层的输出不仅包含输出层的输入，还包含上一时刻暗藏层的输入。
傅园慧说：“在澳洲训练十分辛苦，我曾经快死了，几乎是生不如死”。从文字上来可能是愤恨的。“鬼晓得我经验了什么，我太累了”，尽管文字上是辛苦的，然而人脸表情、语音情绪不是，所以总结起来还是开心的。
介绍强化学、AIphaGo 和迁徙学习
强化学习
不学习，看电视—家长申斥、挨打
好好学习—处分棒棒糖
AIphaGo
迁徙学习
深度学习的多种利用场景
安防监控
智慧城市
医疗衰弱
智能家居
深度学习在智能运维中的利用办法
智能运维的倒退过程
KPI 异样检测算法
应用自编码器联合聚类算法对 KPI 进行疾速聚类
法则统一的模式
抖动激烈的模式
异样的模式
运维中常见的 KPI 数据是一种工夫序列数据，它具备数据实例多、维度高的特点。为了升高数据分析工作的开销，进步剖析效率，咱们心愿将海量的时序数据曲线分为若干类别，从而缩小须要考查的曲线数目。
因而，须要对大规模 辅助 KPI 标注、辅助构建故障流传链。
应用 LSTM 做 KPI 趋势预测
写在最初
近年来，在 AIOps 畛域疾速倒退的背景下，IT 工具、平台能力、解决方案、AI 场景及可用数据集的迫切需要在各行业爆发。基于此，云智慧在 2021 年 8 月公布了 AIOps 社区。
社区先后 开源 了数据可视化编排平台 -FlyFish、运维治理平台 OMP 、云服务治理平台 - 摩尔平台、 Hours 算法等产品。
可视化编排平台 -FlyFish：
我的项目介绍：https://www.cloudwise.ai/flyF…
Github 地址：https://github.com/CloudWise-…
Gitee 地址：https://gitee.com/CloudWise/f…
行业案例：https://www.bilibili.com/vide…
局部大屏案例：