从这一篇开始进行拆书系列，首先来拆一下这一本《深度学习之美》。看到这本书，是在张老师的朋友圈，那时还在五月份，张老师说新书要出来了，当时就立即预定了一本。下面来拆这一本书。书的前四章比较简单，一块来作为这篇文章。
章一：一入侯门深似海，深度学习深几许
这一章是深度学习的简介。
1.1深度学习的影响.
2013年深度学习被麻省理工学院的《MIT科技评论》评为世界10大突破性技术之一。AlphaGo是深度学习的一个应用。利用深度学习通过对海量数据的快速处理，消除信息的不确定性。将人类过去痴迷的算法问题，演变成数据和计算问题。深度学习从输出层开始，到中间隐藏层的数据抽取变换到输出层的判断，所有特征的提取完全是自主完成的，在机器学习领域，是革命性的。
1.2学习的概念
学习是为了改进系统性能而执行的过程。
1.3什么是机器学习
通过运用数据及某种特定的方法（统计，推理等）来提升机器系统的性能就是机器学习（Machine Learning）。
大数据时代，机器学习从海量的数据中获取知识，将焕发异彩。
1.4机器学习的四个象限
知识的四个象限。如下图：
深度学习属于统计学习的范畴。对数据进行统计，提取其特征，抽象出模型，发现其中的知识，最后再回到数据的分析和预测中去。
1.5深度学习的概念
深度学习是包含多个隐藏层的学习方式。2016年商汤科技把网络层做到了1207层。
章二： 人工“碳”索意犹尽，智能“硅”未来可知
这一章讲的是人工智能，机器学习，深度学习的关系，以及神经网络的特点等。
2.1深度学习的归属
人工智能是为机器赋予与人脑类似的智能。简单划分人工智能包含机器学习，机器学习是实现人工智能的一种方法，而深度学习是实现机器学习的一种技术。
2.2机器学习形式化定义
机器学习三大步骤：函数建模，一系列标准评估函数的好坏，优化找到最佳函数。
形式化定义是用数学表达式来表示，如训练集合等。
T={(x1,y1,(x2,y2),...,(xm,ym)}
2.3神经网络的定义
神经网络：是一种具有自适应的简单单元构成的广泛并行互联的网络，它的组织结构能够模拟生物神经系统对真实世界所做出的交叉反应。
生物神经网络的学习方式：大脑通过增强或弱化突触进行学习，最终形成一个复杂的网络系统。
人工神经网络（Artificial Neural Network，ANN）处理数据的新模式。
人工智能领域的两大门派：
符号主义。他们认为知识是信息的一种表达形式，人工智能的核心人物是处理好知识表示，知识推理和知识运用。核心方法论是自顶向下设计规则，然后通过各种推理，逐步解决问题。
连接主义。试图编写一个通用模型，通过数据训练，不断改善模型中的参数，直到输出的结果符合预期。在网路层次上模拟人的认知功能，用人脑的并行处理模式来表征认知过程。深度学习属于这个门派。
2.4人工神经网络的特点
- 非线性。
- 非局限性。作用域不是局部的。
- 非长定性。一直在自我更新。
- 非凸性。指函数可能有多个极值。
2.5通用近似定理
机器学习本质上是找到一个好用的函数，人工神经网络在理论上证明：“一个足够多隐含层神经元的多层前馈网络，能以任意精度逼近任意预定的连续函数”。
这个定理称为通用近似定理。这个定理告诉我们，不论函数在形式上有多复杂，我们总能找到一个神经网络，对任意输入x，以任意高的精度近似输出f(x).
这篇文章介绍学习，深度学习，人工智能，机器学习，神经网络学习等概念，特点。下一篇拆第二，三章，介绍机器学习的分类，python基础。
