有关深度学习人工智能的感悟

       深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。深度学习是无监督学习的一种。

一、颠覆的行业

1、自然语言处理、语音识别、用户画像、无人驾驶……这些和深度神经网络（即深度学习）相关的技术在最近几年突然火了起来，随着AI、机器学习和智能机器人变得越来越普遍，在这些机器人将在制造、培训、销售、维修和车队管理方面担任新的岗位。人工智能和机器人将能够实现今天难以想象的新服务。但很显然，医疗保健和交通运输将是AI第一批颠覆的行业。

2、深度学习的进展和计算能力的提高和数据的增长密不可分。

3、如果是一辆无人驾驶车出现了错误，不但它自己会从中吸取教训，所有其他的无人驾驶车甚至是所有未来的无人驾驶车，也将从中获得新的经验。这意味着，一个错误就能训练世界上所有的无人驾驶车，无人车的学习速度远远超过了人类。

二、学习的方法

学校的学习：

数学和物理是学习人工智能、机器学习、数据科学以及许多未来工作的基本方法的地方。选修所有你能够选修的数学课程，包括Calc I，Calc II，Calc III，线性代数，概率论和统计学。计算机科学也是必不可少的，你需要学习如何编程。工程学、经济学和神经科学也会有所帮助。你也可以考虑一些与哲学相关的领域，例如认识论——这门学习研究什么是知识、什么是科学理论，什么是学习。
选修这些课程的目标不是简单记忆。作为学生，你必须学会如何将数据转化为知识。这包括基本的统计学，还包括如何收集和分析数据，注意可能出现的偏差，并小心因为这些偏差在处理数据时出现的误差。
读博士：

不用管学校的“排名”，在那些从事你感兴趣的研究中，找一位信誉良好的教授，或选择一位写了你喜欢或敬佩的论文的人。申请这些教授所在的学校的一些博士课程，并在申请信中提到你愿意与这些教授合作，但同时也愿意与其他人合作。
参与研究你感兴趣的与AI相关的问题。开始阅读关于这个问题的文献，并尝试用不同于以前的思路去解决它。在你毕业之前，尝试写一篇研究论文，或者发布一个开源代码。
申请侧重产业为的实习机会，获得关于AI在实践中的工作经验。
如果你已经就业，但想要转向从事与AI有关的工作：
在网上有大量关于深度学习的资料，包括讲座、在线教材、教程和机器学习相关课程。你可以报名Udacity或Coursera课程，阅读Yoshua Bengio、Geoff Hinton等合著的Nature论文，还有刚刚出版的《深度学习》这本书，作者是Goodfellow，Bengio and Courville。

三、相关知识

       Deep learning的deep是不是就表示我存在多少层，也就是多深呢？没错。那Deep learning是如何借鉴这个过程的呢？毕竟是归于计算机来处理，面对的一个问题就是怎么对这个过程建模？因为我们要学习的是特征的表达，那么关于特征，或者说关于这个层级特征，我们需要了解地更深入点。

       深度学习的实质，是通过构建具有很多隐层的机器学习模型和海量的训练数据，来学习更有用的特征，从而最终提升分类或预测的准确性。因此，“深度模型”是手段，“特征学习”是目的。区别于传统的浅层学习，深度学习的不同在于：1）强调了模型结构的深度，通常有5层、6层，甚至10多层的隐层节点；2）明确突出了特征学习的重要性，也就是说，通过逐层特征变换，将样本在原空间的特征表示变换到一个新特征空间，从而使分类或预测更加容易。与人工规则构造特征的方法相比，利用大数据来学习特征，更能够刻画数据的丰富内在信息。

参考来源：

http://weibo.com/ttarticle/p/show?id=2309614049609902129590&u=_ctg1_1760_-_ctg1_1760&m=4049608483246629&cu=2967732161 

http://weibo.com/ttarticle/p/show?id=2309614047499508718206#related

http://weibo.com/ttarticle/p/show?id=2309351000224042719801518916#related  

  http://www.leiphone.com/news/201608/7lwVZCXnScbQb6cJ.html