1. 首頁 > 云知道 > >

一文看懂深度學習,深度學習算法

云知道

【一文看懂深度學習,深度學習算法】深度學習難嗎？

一文看懂深度學習,深度學習算法


深度學習是比較難的 ， 這需要持之以恒的決心 。大多數人只憑一時的興趣去學習 ， 把熱情一過就拋到腦后不管了 。曾經有這樣一個學生 ， 看到我在寫毛筆 ， 就央求我教他 ， 他說他非常喜歡寫毛筆 ， 我見他言語誠懇丶態度也比較端正 ， 也就答應了他的請求 ， 開始的時候還相當認真 ， 可學到一個月的時候 ， 他就常常缺課了 ， 我問他為什么經常缺課？他竟然回答說他會寫了 ， 不需要再學了 。
人工智能深度學習是什么？
一文看懂深度學習,深度學習算法


曾被MIT技術評論列為2013年十大突破性技術（Deep Learning居首） ， 它是以ML中的神經網略學習算法存在的 。人工智能現階段分為弱人工智能和強人工智能 ， 神經網絡搖身一變成了如今的DL 。學界對DL一般有兩種看法 ， 實際上當下科技能實現的所謂“人工智能”都是弱AI ， 僅僅用起提取powerful feature；而另一種則希望將其發展成一個新的學習分支 ， 即end-to-end）說不定就是實現未來強AI的突破口1 。
或者換句話說. 深度學習與AI 。在DL還沒有火起來的時候 。DL與ML兩者其實有著某種微妙的關系 ， 隨著計算資源和big data的興起 ， 奧創那種才是強AI（甚至是boss級的） ， 也就是我上面說的end-to-end的“深度學習的思想” 。本質上來講 ， 人工智能相比深度學習是更寬泛的概念 ， 深度學習這種技術（我更喜歡稱其為一種思想 。
深度學習算法工程師需要學習的內容有哪些？
一文看懂深度學習,深度學習算法


　1、數學知識a.微積分很多人覺得這部分知識在大學畢業后 ， 甚至剛考完試后就應該還給老師了 ， 因為在多年的工作中 ， 這部分知識確實涉及的很少 。但隨著機器學習領域知識的快速發展 ， 梯度計算 ， 反向傳播等方面都涉及了大量的微積分的知識 ， 如果不了解 ， 可能就很難了解這些算法或者方程背后的含義 。但是微積分的知識眾多 ， 哪些知識才是算法工程師所需要的 ， 或者說學到什么樣程度才是可以的呢？一般情況下 ， 積分、偏微分、泰勒公式、鏈式法則等基礎知識 ， 在一般情況下可以幫助你理解大部分問題 ， 即使遇見更復雜的問題時 ， 有了這些知識作為基礎 ， 更深入的學習也會變得更加容易 。
b.概率和數理統計概率和數理統計的使用在實際工作中使用頻度非常高 。這方面的知識也需要算法工程師重點學習 ， 一些基本的方程 ， 均值 ， 高斯分布 ， 二項分布的知識是必須的 。同時對條件概率（貝葉斯的前提） ， 聯合分布 ， 獨立分布等知識也需要有一個全面的了解 。相對微積分來說 ， 概率的學習成本低一些 ， 可以在短時間內對這些知識加以了解 ， 但是深入理解這些概率在實際中的應用需要開發人員在實踐中摸索并總結經驗 。
c.線性代數線性代數在實際的使用中多是以向量和矩陣為代表 。這部分在實際的使用時 ， 需要掌握每一次運算的行列數量 ， 保證每一行的計算符合矩陣運算的基本性質 ， 如行列式的對其等 。同時 ， 矩陣的基本性質 ， 轉置 ， 逆 ， 秩等基本性質要能理解 。還有對矩陣的特征值分解 ， 奇異值分解等知識的理解對理解PCA等降維信息提供了數學基礎 。

推薦閱讀