1樓：騎士
深度學習是學習樣本資料的內在規律和表示層次，這些學習過程中獲得的資訊對諸如文字，影象和聲音等資料的解釋有很大的幫助。它的最終目標是讓機器能夠像人一樣具有分析學習能力，能夠識別文字、影象和聲音等資料。 深度學習是乙個複雜的機器學習演算法，在語音和影象識別方面取得的效果，遠遠超過先前相關技術，主要涉及三類方法：
1)基於卷積運算的神經網路系統，即卷積神經網路(cnn)。 2]
2)基於多層神經元的自編碼神經網路，包括自編碼( auto encoder)以及近游塵年來受到廣泛關注的稀疏編碼兩類( sparse coding)。 2]
3)以多層自編碼神經網路的方式進行預訓練，進而結合鑑別資訊進一步優化神經網路權值的深度置信網路(dbn)。
區別於傳統的淺層學習，深度學習的不同在於： [4]
1)強調了模型結構的深度，通常有5層、6層，甚至10多層的隱層節點； [4]
2)明確了特徵學習的重要性。也就是說，通過逐層特徵變換，將樣本在原空間的特徵表示變換到乙個新特徵空間，從而使分類或**更容易。與人工規則構造特徵的方法相比，利用大資料來學習特徵，更能夠刻畫資料豐富的內在資訊。
典型的深度學習模型有卷渣磨指如配積神經網路( convolutional neural network)、dbn和堆疊自編碼網路(stacked auto-encoder network)模型等。
2樓：旁化
深度學習主要是通過在學習中進入乙個比較裂輪十分集肆陸信中注意力的狀態，然後進行高效率的學習，這樣可以提高人的學習效率悉閉。
什麼是深度學習
3樓：網友
深度學習是用於建立、模擬人腦進行分析學習的神經網路，並模仿人腦的機制來解釋資料的一種機器學習技術。它的基本特點是試圖模仿大腦的神經元之間傳遞，處理資訊的模式。最顯著的應用是計算機視覺和自然語言處理(nlp)領域。
顯然，「深度學習」是與機器學習中的「神經網路」是強相關，「神經網路」也是其主要的演算法和手段；或者我們可以將「深度學習」稱之為「改良版的神經網路」演算法。
中科院目前對於深度學習處於國內前沿，想入門的花，可以去優就業瞭解一下培訓學習，二者目前合作關係，博士授課。
4樓：因你而美麗
深度學習，按個人的理解主要就是多層神經網路。而多層神經網路目前效果比較好的是卷積神經網路，目前在影象和音訊訊號上效果比較好，而在自然語言處理上效果沒有顯示出來。
深度學習從統計學的角度來說，就是在**資料的分佈，從資料中學得乙個模型然後再通過這個模型去**新的資料，這一點就要求測試資料和訓練資料必須是同分布。
深度學習，它是在一定的學習量的積累基礎之上的質的飛越，就是學習能力的質變和新實現。度學習的前提在於大資料技術的成熟和支撐。同時，深度學習是一種經驗的連線和運用。
它是人類的經驗和智慧在機器中的再生和活化。
5樓：匿名使用者
深度學習屬於機器學習的一種方法，除了深度學習以外，還包括了線性迴歸、邏輯迴歸、svm、隨機森林、圖模型、貝葉斯等等很多方法。
而深度學習，並不是對所有的任務都有效，有些時候，也需要用到一些傳統的機器學習方法。而機器學習則是實現人工智慧必不可少一種技術手段。
6樓：匿名使用者
簡單來說是人工智慧的功能性學習。
7樓：網友
深度學習是一種機器學習的方法，它試圖使用包含複雜結構或者由多重非線性變換構成的多個處理層(神經網路)對資料進行高層抽象的演算法。深度學習可以理解為神經網路的發展，神經網路是對人腦或生物神經網路基本特徵進行抽象和建模，可以從外界環境中學習，並以與生物類似的互動方式適應環境。
8樓：esc__殤
深度學習是機器學習的分支，是一種以人工神經網路為架構，對資料進行表徵學習的演算法。最近有中公的老師聯絡我說他們和中科院聯合推出了深度學習的課程，打算先試聽一下。可以的話就報班學習吧。
看懂深度學習真的那麼難嗎
9樓：不雨亦瀟瀟
如果在這個人工智慧的時代，作為乙個有理想抱負的程式設計師，或者學生、愛好者，不懂深度學習這個超熱的話題，似乎已經跟時代脫節了。
但是，深度學習對數學的要求，包括微積分、線性代數和概率論與數理統計等要求，讓大部分的有理想抱負青年踟躕前行。那麼問題來了，理解深度學習，到底需不需要這些知識？關子就不賣了，標題已經說明。
前段時間，閒逛各大社群論壇，發現一篇非常適合初學者學習的深度學習的回覆帖子，用風趣的白話和例子深入淺出的分析了深度學習的過程，非常通俗易懂。通過與在西門子從事人工智慧領域的楊安國老師溝通，獲得內容授權，把內容重新整理修正，內容更加通俗易懂，希望人人都能夠理解深度學習。
關於深度學習，網上的資料很多，不過貌似大部分都不太適合初學者。楊老師總結了幾個原因：
1、深度學習確實需要一定的數學基礎。如果不用深入淺出地方法講，有些讀者就會有畏難的情緒，因而容易過早地放棄。
2、中國人或美國人寫的書籍或文章，普遍比較難一些。
深度學習所需要的數學基礎並沒有想象中的那麼難，只需要知道導數和相關的函式概念即可。高等數學也沒學過？很好，這篇文章其實是想讓文科生也能看懂，只需要學過初中數學就完全可以。
其實不必有畏難的情緒，比較推崇李書福的精神，在一次電視採訪中，李書福說：誰說中國人不能造汽車？造汽車有啥難的，不就是四個輪子加兩排沙發嘛。
當然，他這個結論有失偏頗，不過精神可嘉。
10樓：駿特
最直接的方式就是去看深度學習的工作中到底需要掌握哪些技能。
深度學習到底是什麼樣的概念呢？
11樓：網友
深度學習是什麼？
深度學習是機器學習領域中對模式（聲音、影象等等）進行建模的一種方法，它也是一種基於統計的概率模型。在對各種模式進行建模之後，便可以對各種模式進行識別了，例如待建模的模式是聲音的話，那麼這種識別便可以理解為語音識別。而類比來理解，如果說將機器學習演算法類比為排序演算法，那麼深度學習演算法便是眾多排序演算法當中的一種（例如冒泡序列），這種演算法在某些應用場景中，會具有一定的優勢。
12樓：ai科普教育
如何輕鬆入門機器學習與深度學習。
有人可以鼓勵一下我嗎，可以鼓勵一下我嗎？
不是才高一嗎，還不晚啊，從現在端正態度，堅定意志，肯定可以成功的。我深有體會，高一時可能是憑著初中時那點底子，每天不學無術不是睡覺就是擾亂課堂秩序，成績卻還能穩定在班級前列，高二文理一分科，我選理科，由於我理科成績差，成績一落千漲。到了班級20多名。那時我和你一樣，感到焦急不安，高二一開始我上課全神...
可以介紹一下新飛飛這個遊戲嗎
你知道啊？這個新飛飛是全國3d網遊第一呢！我可是老手！新飛飛是有一種可以打怪，練級，帶寵物，升級寵物，可以去副本，活動，任務，等等之類的，誒飛飛活動太多，它不像dnf有疲勞限制，如果你懂攻略的話，你一天就可以到40多，有些人可以到50，60多，這要看你會不會玩了，實際上你不該來問我，你應該去自己體驗...
有人做過核磁共振嗎？請介紹一下過程
1，500到700之間，每個地方不同。2，核磁共振分幾種，有0.2t，1.5t和3.0t的，3.0t的最好，診斷最準確，用的時間也越少，但是最貴。3，做核磁共振就是進一個核磁共振室，身上不能佩戴任何有關金屬的物質，包括手機，手錶，皮帶等。然後躺在核磁共振的機器上，醫生會固定你要照的部位，千萬別亂動，...