深度學(xué)習(xí)是多層次的人工神經(jīng)網(wǎng)絡(luò)的建立和利用。在最簡單的術(shù)語中，你可以把它看作是高度非線性的級(jí)聯(lián)模型，例如多層規(guī)則和最后的邏輯回歸。這是一個(gè)非常復(fù)雜的體系結(jié)構(gòu)，最后的結(jié)果是分類（離散結(jié)果）或回歸（連續(xù)結(jié)果）。

一般來說，這些模型需要有大數(shù)據(jù)的支持，并且需要對(duì)超參數(shù)（hyperparameters）、正則化的大量的精細(xì)調(diào)節(jié)。應(yīng)用包括基于CNN（convolutionalneuralnetworks卷積神經(jīng)網(wǎng)絡(luò)）的計(jì)算機(jī)視覺和圖像識(shí)別；自動(dòng)翻譯（基于NLP技術(shù)，例如長短期記憶模型）。

其實(shí)深度學(xué)習(xí)的基礎(chǔ)理論其實(shí)在幾十年前就有了，為什么一直沒有發(fā)展起來呢？因?yàn)樗艿絻蓚€(gè)條件的制約，一個(gè)是數(shù)據(jù)量，一個(gè)是機(jī)器的運(yùn)算能力。

在數(shù)量比較小的情況下，傳統(tǒng)的機(jī)器學(xué)習(xí)方法就能夠取得較好的效果。但是隨著數(shù)據(jù)量不斷的增加，當(dāng)達(dá)到某個(gè)臨界值之后，傳統(tǒng)機(jī)器學(xué)習(xí)方法的效果就不會(huì)再有提升了。而深度學(xué)習(xí)模型的效果則會(huì)隨著數(shù)據(jù)量的顯著增加而獲得明顯的提升。也就是說，深度學(xué)習(xí)方法能夠最大限度地發(fā)揮出大數(shù)據(jù)的價(jià)值！所以大數(shù)據(jù)的發(fā)展促進(jìn)了深度學(xué)習(xí)的崛起，而深度學(xué)習(xí)又放大了數(shù)據(jù)的價(jià)值，他們兩個(gè)相互促進(jìn)，相輔相成的。

這里給想學(xué)習(xí)人工智能深度學(xué)習(xí)的同學(xué)，推薦一下中公教育的深度學(xué)習(xí)直播課。課程由中科院自動(dòng)化所人工智能專家傾力研發(fā)，將從實(shí)際的科研工程項(xiàng)目中，截取8個(gè)典型任務(wù)，帶領(lǐng)學(xué)員體驗(yàn)系統(tǒng)架構(gòu)設(shè)計(jì)、關(guān)鍵算法選取、核心模塊開發(fā)、識(shí)別效果測試等實(shí)際項(xiàng)目建設(shè)的全流程，并重點(diǎn)掌握核心AI模塊的開發(fā)環(huán)節(jié)，使學(xué)員在結(jié)業(yè)后能夠直接上手從事技術(shù)崗位工作，無需二次熟悉。

同時(shí)中公教育深度學(xué)習(xí)課程技術(shù)緊跟市場需求，落地領(lǐng)域?qū)挿海幌抻谡Z音識(shí)別、圖像識(shí)別、機(jī)器對(duì)話等前沿技術(shù)，涵蓋行業(yè)內(nèi)75%技術(shù)要點(diǎn)，滿足各類就業(yè)需求，助力躋身人工智能領(lǐng)域優(yōu)秀人才。