現在各種名詞非常火，什麼人工智慧、機器學習、深度學習，那麼我要學習它，當然是要在乙個大的方向、輪廓上看到它。比如爬一座山，先遠遠的看看，對它有乙個大致的了解。
如何理解人工智慧、機器學習和深度學習三者的關係
嗯嗯，這麼一看是不是清楚了很多呢？再來一張：
人工智慧、機器學習和深度學習三者的關係
深度學習（人工神經網路的研究的概念），英文：deep learning，簡稱：dl。
ps：看到ml、dl不要再理解成make love、do love哦！還清晰的記得有個小夥伴看到html問我，這是「how to make love？」。
以下內容來自百科：
深度學習的概念源於人工神經網路的研究。含多隱層的多層感知器就是一種深度學習結構。深度學習通過組合低層特徵形成更加抽象的高層表示屬性類別或特徵，以發現資料的分布式特徵表示。看完概念你懂了嗎？我是沒懂。深度學習的概念由hinton等人於2023年提出。基於深度置信網路(dbn)提出非監督貪心逐層訓練演算法，為解決深層結構相關的優化難題帶來希望，隨後提出多層自動編碼器深層結構。此外lecun等人提出的卷積神經網路是第乙個真正多層結構學習演算法，它利用空間相對關係減少引數數目以提高訓練效能。
深度學習是機器學習中一種基於對資料進行表徵學習的方法。觀測值（例如一幅影象）可以使用多種方式來表示，如每個畫素強度值的向量，或者更抽象地表示成一系列邊、特定形狀的區域等。而使用某些特定的表示方法更容易從例項中學習任務（例如，人臉識別或面部表情識別）。深度學習的好處是用非監督式或半監督式的特徵學習和分層特徵提取高效演算法來替代手工獲取特徵。深度學習是機器學習研究中的乙個新的領域，其動機在於建立、模擬人腦進行分析學習的神經網路，它模仿人腦的機制來解釋資料，例如影象，聲音和文字。
同機器學習方法一樣，深度機器學習方法也有監督學習與無監督學習之分．不同的學習框架下建立的學習模型很是不同．例如，卷積神經網路（convolutional neural networks，簡稱cnns）就是一種深度的監督學習下的機器學習模型，而深度置信網（deep belief nets，簡稱dbns）就是一種無監督學習下的機器學習模型。
在理解深度學習之前我們要先了解兩個概念，機器學習和神經網路。
機器學習和深度學習的具體區別和聯絡是啥？
簡單的說機器學習就是讓機器去分析資料找規律，並通過找到的規律對新的資料進行處理。
機器學習理論主要是設計和分析一些讓計算機可以自動「學習」的演算法。機器學習演算法是一類從資料中自動分析獲得規律，並利用規律對未知資料進行**的演算法。因為學習演算法中涉及了大量的統計學理論，機器學習與推斷統計學聯絡尤為密切，也被稱為統計學習理論。演算法設計方面，機器學習理論關注可以實現的，行之有效的學習演算法。很多推論問題屬於無程式可循難度，所以部分的機器學習研究是開發容易處理的近似演算法。
神經網路簡單點將就是由好多個神經元組成的系統。這是模擬人類的神經網路。
神經元是乙個簡單的分類器，你輸入乙個
比如我們有一大堆貓、狗**，把每一張**送進乙個機器裡，機器需要判斷這幅**裡的東西是貓還是狗。我們把貓狗處理一下，左邊是狗的特徵向量，右邊是貓的
神經元乙個缺點是：它只能切一刀！你給我說說一刀怎麼能把下面這兩類分開吧。
解決辦法是多層神經網路，底層神經元的輸出是高層神經元的輸入。我們可以在中間橫著砍一刀，豎著砍一刀，然後把左上和右下的部分合在一起，與右上的左下部分分開；也可以圍著左上角的邊沿砍10刀把這一部分先挖出來，然後和右下角合併。
每砍一刀，其實就是使用了乙個神經元，把不同砍下的半平面做交、並等運算，就是把這些神經元的輸出當作輸入，後面再連線乙個神經元。這個例子中特徵的形狀稱為異或，這種情況乙個神經元搞不定，但是兩層神經元就能正確對其進行分類。
只要你能砍足夠多刀，把結果拼在一起，什麼奇怪形狀的邊界神經網路都能夠表示，所以說神經網路在理論上可以表示很複雜的函式/空間分布。但是真實的神經網路是否能擺動到正確的位置還要看網路初始值設定、樣本容量和分布。
那什麼是深度學習呢？深度學習簡單點說就是一種為了讓層數較多的多層神經網路可以訓練，能夠執行起來而演化出來的一系列的新的結構和新的方法。
就像下圖
普通的神經網路可能只有幾層，深度學習可以達到十幾層。深度學習中的深度二字也代表了神經網路的層數。現在流行的深度學習網路結構有"cnn(卷積神經網路)、rnn(迴圈神經網路)、dnn(深度神經網路)的等。現在流行的深度學習框架有mxnet,tensorflow,caffe等，而在這些框架之上(或許不太準確)，還有pytorch，keras等。
深度學習目前的行業應用、一些標誌性公司、代表性的技術等
影象識別技術：比如做安防的海康威視，圖森科技，依圖科技，曠視科技，代表性的就是面部識別，人臉識別，刷臉解鎖、支付等。
金融領域的如：**股價、醫療領域的疾病監測，教育領域的技術賦能等。
看山是山，這裡我們弄明白它屬於機器學習，而機器學習屬於人工智慧，而人工智慧呢？也就是由人來實現的東西，智慧型本不是機器的，而是人的；是人通過一些技術手段賦予機器的，而賦予它的乙個強有力的方法就是深度學習。而深度學習中的神經網路模型，其設計靈感來自於生物神經網路。歷史上，科學家一直希望模擬人的大腦，造出可以思考的機器。人為什麼能夠思考？科學家發現，原因在於人體的神經網路。
神經網路似乎是比較難懂的，我們還要去再學習一下生物課程嗎？
深度學習和機器學習有什麼差別？
深度學習入門實戰（一）：像prisma一樣演算法生成梵谷風格畫像
百科詞條：深度學習
為什麼要用深度學習？
機器學習 vs. 深度學習
神經網路入門
5分鐘搞懂什麼是深度學習
現在各種名詞非常火，什麼人工智慧 機器學習 深度學習，那麼我要學習它，當然是要在乙個大的方向 輪廓上看到它。比如爬一座山，先遠遠的看看，對它有乙個大致的了解。如何理解人工智慧 機器學習和深度學習三者的關係 嗯嗯，這麼一看是不是清楚了很多呢？再來一張 人工智慧 機器學習和深度學習三者的關係 深度學習 ...
5分鐘搞懂模版方法模式
模版是什麼大家都清楚，比如簡歷模版，簡歷模版包括教育經歷 工作經歷 專業技能等等欄目。雖然簡歷模版相同，但是每個人的簡歷卻不同，這是因為我們每個人的教育經歷 工作經歷 專業技能等都不同。同理，在設計模式中，模板方法模式的主要用途在於將不變的行為從子類搬到超類，去除了子類中的重複 下面是模板方法模式的...
5分鐘搞懂 session與cookie
無狀態協議的意思是服務端與客戶端不會記錄任何一次通訊的資訊。諾蘭有一部電影 記憶碎片 說的是乙個有 短期記憶喪失症 的人根據自己支離破碎的記憶來找到殺害自己妻子的 的故事。因為記不住發生的事，電影中那個老兄只能靠寫字條幫忙記錄事情。無狀態協議的通訊雙方就是 失憶症患者 而且是永久性的。服務端君 和 ...