深度学习需要同时理解
1. 问题的动机和特点;
2. 将⼤量不同类型神经⽹络层通过特定⽅式组合在⼀起的模型背后的数学原理;
3. 在原始数据上拟合极复杂的深层模型的优化算法;
4. 有效训练模型、避免数值计算陷阱以及充分利⽤硬件性能所需的⼯程技能;
5. 为解决⽅案挑选合适的变量(超参数)组合的经验。
⽬前的机器学习和深度学习应⽤共同的核⼼思想:我们可以称其为“⽤数据编程”。
通俗来说,机器学习是⼀⻔讨论各式各样的适⽤于不同问题的函数形式,以及如何使⽤数据来有
效地获取函数参数具体值的学科。深度学习是指机器学习中的⼀类函数,它们的形式通常为多层
神经⽹络。