~今天要分享的是「深度學習」~

在鐵人賽最後的兩篇文章，我想向大家介紹深度學習的觀念，這部分在iPAS「中級巨量資料分析師」的考試中佔了10%的分數，所以大家也要好好把握這方面的知識歐！

深度學習是包含在機器學習裡的一個子集，它與機器學習的差異在於：深度學習模型通常是由多層的神經網路組成，所以比起機器學習模型會較為複雜，另外，深度學習模型能夠自動進行特徵工程分析，不需用在建立模型前做特徵篩選，因此它非常適合用來訓練大量且高維的數據，但這剛好成為使用深度學習模型需注意的地方，那就是需要計算能力好的硬體設備。

說到神經網路就要來介紹一下訓練模型時常見的名詞與解釋：

1. Batch Size：中文稱做「批次大小」。用來表示做一次訓練需用到的樣本數。
2. Epoch：中文稱做「輪」。用來表示所有訓練數據需要被模型訓練幾次。
3. Iteration：中文稱做「迭代」。用來表示訓練所有數據需經過的次數。

因此，訓練的樣本大小可以使用下列這個公式計算出來：
Data Size (1 Epoch) = Iteration * Batch Size