姓名：车文扬 学号：16020199006
转载至：https://blog.csdn.net/solo95/article/details/79165300，有删节
【嵌牛导读】：从本质理解深度学习
【嵌牛鼻子】：deep learning
【嵌牛提问】：深度学习的本质是什么？
【嵌牛正文】：
什么是深度学习？
深度学习是机器学习的一个子领域，研究受人工神经网络的大脑的结构和功能启发而创造的算法。
如果刚刚开始深度学习的领域，或者刚刚有一些神经网络方面的经验，您可能会感到困惑。最初我也很困惑，在20世纪90年代和21世纪初学习和使用神经网络的许多同事和朋友也是如此。
这个领域的领导者和专家对深度学习是什么有着深刻的理解，这些具体而细致的观点为深度学习提供了大量的信息。
在这篇文章中，您将通过听取该领域的专家和领导者的意见，深入了解深度学习。
让我们进入深度学习的世界。
深度学习是大型神经网络
创建Coursera并兼任百度研究首席科学家的Andrew Ng早已正式成立Google Brain，并最终在大量的Google服务中实现了深度学习技术的产品化。
(Andrew Ng, 吴恩达， 斯坦福大学副教授，人工智能和机器学习领域顶级权威之一，Coursera创始人， 曾任百度首席科学家，2017年退出百度，同年10月出任Woebot董事长，他在斯坦福教授的机器学习课程视频是国内很多人的入门教材，译者注)
他已经讲了诸多关于深度学习的内容，从他那里开始学习是一个很好的选择。
在早期对深度学习的讨论中，Andrew在传统的人工神经网络的背景下描述了深度学习。在2013年的一个题为“ 深度学习，自主学习和无监督特征学习 ”的演讲中，他将深度学习的概念描述为：
使用大脑模拟器，寄希望于：优化学习算法，并使其更易于使用。
在机器学习和AI方面取得革命性的进步。
我相信这是我们走向真正AI的秘籍(best shot)
之后他的评价变得更加具体。
根据Andrew所言，深度学习的核心是，我们现在有足够快的计算机和足够的数据来实际训练大型神经网络。在讨论”为什么现在是深度学习大获成功的时代”的ExtractConf 2015上一次题为“ What data scientists should know about deep learning ” 的演讲时，他说道：
我们现在可以拥有的非常大的神经网络，以及有权访问的大量数据。
他还谈到了关于规模的重要一点。当我们构建更大的神经网络并使用越来越多的数据训练它们时，它们的性能将不断提高。这与在性能方面达到稳定水平的其他机器学习技术是有很大区别的。
大多数老一代学习算法使用体验……(他们的)性能会稳定下来…(但)深度学习…是可扩展的第一级算法。随着您向他们提供更多数据，他们的性能会变得越来越好。(深度学习算法的特点是提供用于训练的数据量越大，算法的性能越高，而且是一个随数据量动态变化的过程，译者注)
他在幻灯片中提供了一个很好的动画：
最后，他清楚地指出，我们在实践中看到的深度学习的好处来自于监督学习。在2015年的ExtractConf谈话中，他评论道：
现在深度学习的价值几乎都是通过监督学习或者在标记数据学习中体现的。
早些时候在2014年斯坦福大学题为“ 深度学习 ” 的演讲中，他提出了类似的评论：
深度学习疯狂取得成功的原因之一是因为它在监督学习方面非常出色.
