#技术 #机器学习 #深度学习

人工智能的未来世界令人神往。当我看到媒体上各种神乎其神的报道，作为一名咸鱼程序员时不时有这样的冲动：What the fuck it is？与此同时，与『人工智能』这个热点伴随出现的是『深度学习』、『机器学习』这些不明觉厉的玩意。甚至在圈内交流（chuiniubi）的时候言必谈XX学习。为了可以跟上时代的脚步，储备知识能力（可以一起chui），今年我又一次开始入门机器学习/深度学习之旅。本文是我最近学习内容的概括。

前传

这是或许是我第N次试图入门机器学习。大约三年前，当我试图打开这扇大门时，发现找到一份能看懂的资料十分困难。于是，我潜心搜索入门资料，当时最火的入门资料是Andrew Ng的视频：斯坦福机器学习课程。 这门课现在依旧是很多人的入门首选，可是当课程讲到反向传播推导各种微积分的时候，我没能坚持下来。我更习惯从书本学习入门知识，便开始寻找一本最基础的入门的书籍。皇天不负有心人，终于在国外一个热门的机器学习入门帖子中发现了一本好书《集体智慧编程》(Programming Collective Intelligence)，如获至宝。全书使用Python作为开发语言，讲解了机器学习的基本概念，没有数学公式，侧重实践与代码。可惜的是，这本书也因为一些自身原因半途而废了。

PS：那个帖子的作者是Jason Brownlee，一个国外出名的机器学习传道者。他的这篇帖子的2017年的相关更新Machine Learning Books ，在国内有很多媒体转载翻译，总结了一下比较流行的机器学习相关书籍。

似乎我的机器学习之旅就此结束了。然而近年来人工智能大火，更重要的是工作上又与这些东西产生了诸多交集，我想是时候也有必要再次开始新的学习了。正当我准备重新拿起那本落灰的《集体智慧编程》之时，在Twitter上候偶然发现阮一峰老师推荐了一门Udacity在线收费课程《深度学习》。心想借此机会，体验一下这种新式的教育模式，同时也给自己一点压力把这事搞定。于是，在2017新年前报名了这门课程。（PS：当时连深度学习是什么都不知道😂，以为是机器学习的时髦名字）

经过4个月的学习，基本了解了什么是深度学习，它的基本原理，具有哪些能力与应用以及最新的一些成果。同时，完成了几个实践项目。虽然这些都很初级😂，但是，总的而言让我入门了这领域，并且知道下一步如何走，也算是对技术去魅的过程。

概要

我从深度学习在计算机科学中的地位，深度学习的具体内容与知识，以及深度学习入门之后如何深入的角度来谈一下我的认识。

在哪里？

深度学习是什么，他与机器学习，人工智能是什么关系？这是首要需要解决的问题。最基本的答案是：人工智能>机器学习>深度学习，后者是前者的子集。

因此，学习深度学习，必须先了解机器学习中的人工神经网络（神经元，感知器等）。我们通过这一步步引出近些年快速发展的深度学习，这是课程学习的主要内容。

参考文章：人工智能、机器学习与深度学习

学习内容

深度学习入门主要分为下面几个部分

开发环境与工具

神经网络/深度神经网络DNN

卷积神经网络CNN

循环神经网络RNN

对抗生成网络GAN

其他

去哪儿？

在知识宽度上，虽然深度学习在大部分任务中表现十分出色，但是机器学习中的其他算法依旧有很广泛的应用（如SVM等），可以学习这些内容：

在知识深度上，系统学习一下TextBook了解数学原理。了解最佳的应用实践。深度学习的在快速发展，各个子领域都有很多新的进展，专注某些领域，follow最新论文是必要的。

小结

后续会按照本文的概要，详细介绍一下深度学习的各个方面。主要基于Udacity的深度学习课程，记录我学习中遇到的一些问题。深度学习是一门十分大的学问，入门不易，想要深入更需要大量时间与实践，本人只是接触几个月，说是完全入门都不敢，写作的目的一窥深度学习的神秘面纱，同时把疑惑与问题总结一下，与大家共勉。我对深度学习的认识还浮于表面，比较粗浅，行文中难免有错误，望不吝指出。