上面的意思是：沒對應的X的特徵了，通過神經網路了，可以預測Y的值，後面是他們的預測應用（房價，線上廣告影象識別，無人駕駛......），現在技術在將深度學習這一塊取得的經濟效果最好的是應用便是利用監督學習來，來對線上廣告的投放。這塊產生了巨大的價值。

                     上面的展示的是：標準神經網路，卷積神經網路，迴圈神經網路的模型。

               監督學習主要的優勢是在於對資料的學習預測：非機構和結構資料

           結構資料：如左圖每一個使用者資料用資料庫儲存（傳統資料庫），裡面有很多標識，例如：姓名，男女，年齡，工作，點選量......通過這些資料來預測。

           非結構資料：影象，語音，文字......這些的特徵你如何提取？

           人類對於非結構資料有很多的處理天賦，從一個圖片上就可以知道很多資訊，而這真是計算機所不具備的（以前），但是有了深度學習之後，計算機變得聰明瞭，開始處理非結構資料，並開始進行預測。