深度学习课程-理论总结第一篇

        初次认识深度学习这门领域，通过学习李沐老师的课程，发现深度学习只是人工智能里的一个方向，而人工智能中大的方向有机器学习，机器学习的分支就包含着深度学习。

        在有关深度学习的介绍中，讲了许多一大堆的专业名词例如线性神经网络、多层感知机、深度学习计算、卷积神经网络等等。在后面都会慢慢说来。学习深度学习的第一步是需要学习有关深度学习的基础知识，之后我们需要用到Python来作为我们主要编码的工具以及第三方库NumPy来提高我们处理数据的效率。看了李沐老师安装的视频，安装步骤表示很复杂，需要一步一步来。没有计算机基础的同学可能需要花上很长的时间来配置环境。其次是对于数学知识的了解，高等数学和线性代数是必须明白清楚的。

        深度学习应用的场景有很多，无人驾驶、广告点击、图片分类等等，我们很难想象到这些看似简单实际却能由电脑编码来完成。在这一个转变的过程中“数据”起到了至关重要的作用。现实世界中一个客观存在的物体我们都可以给与其一些数据来衡量标记它。但是在深度学习应用场景的实现则需要将客观存在的物体转换成有特征的数据是一个很抽象很难以达成的过程。