【写在前面】
学习和运用深度学习也有一年多的时间了。前阶段一个小白对我说：“我看了一下deep learning，觉得好傻啊。”我一愣，突然觉得ta说得很有些道理，deep learning说穿了，就是用一种傻瓜的方法暴力解决问题。所以我想总结一下这一阶段对这个领域的一点点看法，以后也许会有思想上的转变。因为是随笔所以写得会有些凌乱。本文仅供学习交流使用，侵权必删，不用于商业目的，转载须注明出处。
深度学习其实没那么难，个人觉得还没有传统的machine learning + statistics难。
传统方法会根据问题和数据的特质，选择合适的模型，有时候是Bayesian，有时候是time series，有时候是survival analysis。甚至仅仅是statistical inference，也考验从业者的功底，见微知著。虽然不是什么高精尖的科技，但是人和人之间的水平差异是和ta的经验以及思考问题的广度和深度相关的。很多问题仔细琢磨，或者换个角度，就有横看成岭侧成峰的细微之处的乐趣。
而在深度学习的世界，模型的种类很少且都有固定对应的数据类别，各种调参数加layer，整个建模过程变得更加简单粗暴了。海量的数据和计算力，才是制胜法宝。当然这话也难免偏颇，毕竟高手建出来的模型还是更优秀一些。我说的“简单粗暴”，是指deep learning失去了原有的statistics和传统machine learning中一些抽象又优雅的东西，而是以“大力出奇迹”取而代之。所以现在deep learning玩得转的，都是有海量数据的那些巨头。
这个行业也有点乱象丛生，希望大家学习的时候都能不忘初心，不急功近利。
总结起来，一言以蔽之，真真是应了这幅图：
