深度学习基础知识（一）：简述深度学习、为什么深度学习会兴起、深度学习和机器学习以及人工智能之间的关系、学习深度学习需要什么前置知识

这个专栏主要是想和大家分享一下深度学习的基础知识，主要是以吴恩达老师深度学习课程内容作为基础，并补充了很多其他内容希望让整体内容更加容易理解和系统化。如果想要了解具体专栏里面有什么内容的话，可以看一看我们专栏的目录，在目录里面还说明了小伙伴的分工，这些内容都是所有小伙伴们一起努力完成的，有希望和我们一起学习的的小伙伴也可以加入我们啊。另外我们还将内容以书籍的形式放到了github上，之后还会陆续上传源码实现等其他内容。我们还会分享深度学习-论文阅读专栏、强化学习-基础知识专栏、强化学习-任务阅读专栏，也欢迎大家关注。可能会有很多错漏，希望大家批评指正！还是那句话，不要高估一年的努力，也不要低估十年的积累，与君共勉！

深度学习基础介绍

1.简述深度学习

深度学习（DL, Deep Learning）是机器学习（ML, Machine Learning）领域中一个新的研究方向，它被引入机器学习使其更接近于最初的目标——人工智能（AI, Artificial Intelligence）。

深度学习是模仿人脑的“神经网络“建立一个类似的学习策略（如下图），基于大量的数据进行训练和学习，在这个过程中不断修改模型的参数，得到的一个更好的模型，使得这个模型能类似于人，可以识别和处理一些问题，这就是其学习性，并且有些模型的能力甚至能够超越人类的水平。

深度学习的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。

深度学习最近几年才火起来，看似比较新，其实早在上个世纪已被提出，但当时由于硬件等因素，深度学习并没有引起很多人的关注和研究。如今随着各个领域的发展，深度学习有了一定的发展前提和基础，不断地有研究者和从业者投入其中，进行研究和应用。在工业以及其他应用场景下，深度学习训练的模型为人们带来了更方便的生活，为企业带来更多的利润以及更多的剩余价值。

2.为什么深度学习会兴起

深度学习和神经网络之前的基础技术理念已经存在大概几十年了，为什么它们现在才突然流行起来呢？

如上图，横轴为数据量，纵轴为模型的性能。可以看出，它的性能一开始在增加更多数据时会上升，但是一段变化后就会像高原一样，没有大的改变。

而在过去的几十年里，训练模型的数据集非常小，当时的人们难以收集并且构建足够大，有效的数据集，从而导致模型没有充足地得到训练。随着数字化社会的来临，现在的数据量非常巨大，制作有效的数据集变得容易许多，因而模型能够得到充足的训练，这也是深度学习兴起的一大重要原因。

同时，无论在CPU上还是GPU上，都不断发展，使得高计算量的深度学习模型能够更快的得到训练，以往需要训练两个月的数据量，现在只需三天就能完成。尤其是在最近几年，算法方面有着极大的创新。许多算法方面的创新，本质上是在尝试让神经网络运行的更快。

3.深度学习和机器学习以及人工智能之间的关系

4.学习深度学习需要什么前置知识

要有比较基本的高数和线性代数的知识

编程语言：python（其中学习中需要用到的库可以自己的看一下）

最好有机器学习的基础，当然如果没有直接学习也没有什么影响（笔者建议可以有时间可以的看一下）