深度學習是機器學習和人工智慧的一個子集，深度學習應用於語音識別，影象識別，自動駕駛等，學習難度較大，需要有很強的數學基本功。

深度學習是學習樣本資料的內在規律和表示層次，這些學習過程中獲得的資訊對諸如文字，影象和聲音等資料的解釋有很大的幫助。它的最終目標是讓機器能夠像人一樣具有分析學習能力，能夠識別文字、影象和聲音等資料。

下面來列舉幾個廣泛應用深度學習的領域。

一、語音識別

深度學習的發展使語音識別有了很大幅度的效果提升，類似於在計算機視覺中處理影象資料一樣，深度學習中將聲音轉化為特徵向量，然後對這些數字資訊進行處理輸入到網路中進行訓練，得到一個可以進行語音識別的模型。

二、自然語言處理

深度學習由於其非線性的複雜結構，將低維稠密且連續的向量表示為不同粒度的語言單元，例如詞、短語、句子和文章，讓計算機可以理解透過網路模型參與編織的語言，進而使得人類和計算機進行溝通。此外深度學習領域中研究人員使用迴圈、卷積、遞迴等神經網路模型對不同的語言單元向量進行組合，獲得更大語言單元的表示。

三、文字識別

眾所周知，深度學習可以用來識別照片中的文字。一旦識別了，文字就會被轉成文字，並且被翻譯，然後圖片就會根據翻譯的文字重新建立。這就是我們通常所說的即時視覺翻譯。

四、自動機器翻譯

我們都知道，谷歌支援100種語言的即時翻譯，速度之快宛如魔法。谷歌翻譯的背後，就是機器學習。在過去的幾年時間裡，谷歌已經完全將深度學習嵌入進了谷歌翻譯中。事實上，這些對語言翻譯知之甚少的深度學習研究人員正提出相對簡單的機器學習解決方案，來打敗世界上最好的專家語言翻譯系統。文字翻譯可以在沒有序列預處理的情況下進行，它允許演算法學習文字與指向語言之間的關係。

五、自動駕駛汽車

谷歌利用深度學習演算法使自動駕駛汽車領域達到了一個全新的水平。現在谷歌已經不再使用老的手動編碼演算法，而是編寫程式系統，使其可以透過不同感測器提供的資料來自行學習。對於大多數感知型任務和多數低端控制型任務，深度學習現在是最好的方法。

如果你對深度學習感興趣，想成為人工智慧領域的高階人才，歡迎諮詢報名優就業深度學習精品課程。課程由中公教育與中科院自動化研究所專家聯合推出，真實企業級專案實操，專案循序漸進，以實操貫穿理論，避免紙上談兵，涵蓋行業75%技術要點，落地領域廣泛。