深度学习（1）

深度学习（1）

从这篇文章开始，我将一步步通过优快云文章的方式记录我的深度学习的旅程。
在深度学习（1）的这篇文章中，我会简要的介绍有关深度学习的相关基础知识，以及如今深度学习的一个前景介绍，希望，我写的内容能够给读者带来一定的帮助，也希望读者能够发现并指正文中的不当或者说是错误之处。

什么是深度学习

现如今，我们如今的这个社会已经到处充斥着深度学习的声音与字眼，任何一位与计算机相关的专业研究人员或者说是一名计算机专业的学生，都对深度学习这个名词毫不陌生，那么究竟什么是深度学习呢？又有多少人能够说的清楚，下面，我就将以我的观点来简要介绍一下什么是深度学习。
所谓深度学习，在我看来，深度学习就是机器学习与神经网络，人工智能，图形化建模，优化，模式识别和信号处理等技术融合后所产生的一个新的领域。简单而言，深度学习模型可以用下图进行表示：

输入数据传递给模型，经过多个非线性层进行过滤，最后一层包含分类器-------决定该对象所属的种类。但是我们一定要注意传统的数据学习技术如线性回归，支持向量机，决策树，随机森林等等并不能称之为深度学习，就线性回归而言，这个模型并没有对数据进行多层的非线性变换，所以并不能称之为深度学习，同样，决策树与随即森林模型工作在原始输入数据之上，并没有进行相应的非线性变换，也不生成新的特征，所以也不能称之为深度学习。支持向量机的层次比较浅，因为它只有核函数和线性变换组成，类似的，单层隐藏神经网络也不能被称之为深度神经网络，因为他们仅仅只包含了一个隐藏层，而传统意义上的深度学习指的是多个隐藏层的神经网络。

为什么要学习深度学习

21世纪是数据科学的时代，是深度学习的时代，深度学习能够带来巨大的用途，以及给世界带来价值。（说人话 ：就是挣钱多，需要的深度学习人才比较多，钱多人稀），当然，不能排除有些人真的对深度学习领域感兴趣，在此，我想向这些人报以崇高的敬意，正是因为有了这些科研大佬，才使得我们的学术界越来越繁荣。

深度学习应用在那些领域之中

健康诊断，过程建模与控制，投资组合管理，军事目标识别，核磁共振和X光识别，营销活动，语音识别，股市预测，文本检索，金融欺诈检测。

如何开始深度学习之旅

我认为，学习一个新的领域的知识，最最最难的问题在于如何找到一个容易理解并且部署的例子，我后面的文章就会一步步带着初学者进行从浅到深的深度学习之旅，会有各种各样简单的例子，与代码，相信一路下来，我们都能够学会一点有价值的内容。