下载文档原格式
独家｜⼀⽂读懂深度学习（附学习资源）Figure1. Deep learning导图前⾔深度学习（deep learning）的概念最早可以追溯到1940-1960年间的控制论（cybernetics），之后在1980-1990年间发展为连接主义（connectionism），第三次发展浪潮便是2006年由⼈⼯神经⽹络（Artificial neural network）扩展开来并发展成为今天⼗分⽕热的深度学习（Figure 2）。
实际上，深度学习的兴起和发展是⾮常⾃然的，⼈们在应⽤经典的机器学习⽅法时，需要对具体的问题或者数据相当地了解并从中⼈⼯地提取特征才能很好的解决问题，然⽽⼈⼯提取特征是⾮常复杂耗时的。
因此，能够⾃动从数据中学习特征的⽅法就具有⾮常⼤的发展潜⼒，这类⽅法也就是⼀类被称为表征学习（Representation learning）的⽅法。
紧接着，研究者们发现，深层次的表征学习模型可以从简单的特征中抽象出更为复杂的特征并且更有利于最终的分类判别，由此便发展出了深度学习框架。
当然，深度学习的发展也离不开BP等算法、计算硬件、数据规模等的发展。
深度学习可以理解成是机器学习的⼀种框架，与经典的浅层学习（Shallow learning）如SVM，LR等相对应，可以认为是机器学习发展的第⼆⼤阶段。
⽬前，深度学习在⼈⼯智能领域发挥着⾮常重要的作⽤，甚⾄可以说⼈⼯智能的发展正是得益于深度学习的发展，由于它们之间有着密不可分的关系，⾮专业⼈⼠常常会将深度学习、⼈⼯智能、表⽰学习、机器学习等概念混为⼀谈。
另外，最近⼏年，由于⼈⼯智能、互联⽹等⽕速发展，它们背后的技术也备受学术界和业界⼈员的推崇，其中深度学习由于其强⼤的威⼒以及较低的门槛⽽受到最多的关注。
本⽂致⼒于从模型、技术、优化⽅法、常⽤框架平台、应⽤、实例等多个⽅⾯来向读者介绍深度学习，阐述深度学习到底有哪些威⼒，并且⽂末会给读者推荐⼀些深度学习的学习资源。
