深度学习进阶之路 - 从迁移学习到强化学习

一. 深度学习及其适用范围

       大数据造就了深度学习，通过大量的数据训练，我们能够轻易的发现数据的规律，从而实现基于监督学习的数据预测。

        

       没错，这里要强调的是基于监督学习的，也是迄今为止我在讲完深度学习基础所给出的知识范围。

       基于卷积神经网络的深度学习（包括CNN、RNN），主要解决的领域是 图像、文本、语音，问题聚焦在 分类、回归。然而这里并没有提到推理，显然我们用之前的这些知识无法造一个 AlphaGo 出来，通过一张图来了解深度学习的问题域：

        

       2016年的 NIPS 会议上，吴恩达 给出了一个未来 AI方向的技术发展图，还是很客观的：

       

        毋庸置疑，监督学习是目前成熟度最高的，可以说已经成功商用，而下一个商用的技术 将会是 迁移学习（Transfer Learning），这也是 Andrew 预测未来五年最有可能走向商用的 AI技术。

二. 迁移学习（举一反三的智能）

       迁移学习解决的