深度学习回归思路_机器学习赵卫东董亮-优快云博客

深度学习

今天要学习的术语是深度学习。看了概念才知道此前在梳理概念的时候，忘记是看的哪些参考资料，我把深度学习和机器学习分开，理解成它们俩是人工智能领域的两大重要内容。我的理解和整理是错误的。非常对不起。

直到昨天学习神经网络，在《写给青少年的人工智能%28Python版%29》书中看到人工智能、机器学习、深度学习、神经网络之间的关系。

人工智能用于解决计算机难以解决的问题，如自然语言处理、图像识别、语音识别等。机器学习是人工智能的一个分支，是一种利用数据训练模型，然后使用模型预测的方法。神经网络是机器学习中的一个分支，神经网络最初是一个生物学概念，后来人工智能受神经网络的启发发展出了人工神经网络，深度学习是神经网络的延伸。深度学习是神经网络中最先进的技术，深度学习的核心就是自动将简单的特征组合成更加复杂的特征来解决问题。

它们之间的关系如下：

今天在《机器学习》赵卫东董亮二位老师的版本看到也提到了人工智能、机器学习、神经网络、深度学习，还有相关领域的技术之间的关系。

目前人工智能很热门，但是很多人容易将人工智能与机器学习混淆。此外，数据挖掘、人工智能和机器学习之间的关系也容易被混淆。从本质上看，数据科学的目标是通过处理各种数据促进人们的决策，机器学习的主要任务是使机器模仿人类的学习，从而获得知识。而人工智能借助机器学习和推理最终是形成具体的智能行为。

机器学习与其他领域之间的关系如下图所示。

从以上两个图示可以看到，机器学习是人工智能的重要分支，而深度学习是机器学习领域中的一个子领域/分支。

一、定义

1.通过训练具有许多隐层的神经网络来创建丰富层次表示的方法。

注:深度学习是机器学习的一个子集。

GB/T 41867-2022

2.深度学习是机器学习领域中一个新的研究方向，“深度学习”一词于1986年首次引入机器学习，于2000年应用于人工神经网络。通常来讲，将隐藏层（除输入层和输出层以外的其他各层）为两层及以上的神经网络的学习称为深度学习。目前，深度学习已成为人工智能的主要技术，在文本、语音和图像领域应用广泛。

《写给青少年的人工智能%28Python版%29》

3.深度学习是一种利用复杂结构的多个处理层来实现对数据进行高层次抽象的算法，是机器学习的一个重要分支。

深度学习方法是通过使用多个隐藏层和大量数据来学习特征，从而提升分类或预测的准确性，与传统的神经网络相比，不仅在层数上较多，而且采用了逐层训练的机制来训练整个网络，以防出现梯度扩散。

《机器学习》赵卫东董亮

4.深度学习%28deep learning%29是指使用多层简单的、可调整的计算单元的机器学习。

人工智能：现代方法%28第4版%29%28上下册%29

二、理解

1.深度学习是机器学习的一个重要分支，是一种基于深层神经网络模型的机器学习方法。主要采用多层神经网络（称为深度神经网络）来模拟人脑的复杂决策能力。与传统机器学习模型相比，深度学习模型使用三个或更多层（通常是数百或数千层）来训练模型。

与深度学习紧密相关的还有两个概念，卷积神经网络和循环神经网络。这个得后面展开梳理。

这里提一下深度学习的框架。

我从求职的角度上讲。在求职网站上看到有要求了解常见的深度学习框架的，经常出现的有TensorFlow、PyTorch。一般招聘要求都会出现这两个，至少熟悉使用一种。

TensorFlow最初由Google Brain团队开发。

PyTorch由Facebook的AI研究团队开发。

当时参加市公益培训的时候，我们的老师说美国人工智能行业协会对这个机器学习领域有4个基础要求：数学基础、编程能力、掌握机器学习的主要内容、从头到尾参加过一个人工智能或机器学习的项目。学习取决于个人兴趣和工作需要，后期需要自行加强。就可以尝试做人工智能领域的工作。不过看目前的求职市场，学历是硬性要求，大多数要求硕士学历起步。

3.我突然想到一直出现在我面前，但我还说不上来的一个术语——模型。经常听说大模型，大语言模型（LLM），那么模型到底是什么？

我问了智谱清言。

清言AI说"模型"是一个核心概念，它指的是用于识别、分类或预测数据的算法或数学函数的集合。

在此之前我还和小伙伴讨论过模型到底是什么，以什么形态出现的。