深度學習是多層次的人工神經網路的建立和利用。在最簡單的術語中，你可以把它看作是高度非線性的級聯模型，例如多層規則和最後的邏輯迴歸。這是一個非常複雜的體系結構，最後的結果是分類（離散結果）或迴歸（連續結果）。
一般來說，這些模型需要有大資料的支援，並且需要對超引數（hyper parameters）、正則化的大量的精細調節。應用包括基於CNN（convolutional neural networks卷積神經網路）的計算機視覺和影象識別；自動翻譯（基於NLP技術，例如長短期記憶模型）。
其實深度學習的基礎理論其實在幾十年前就有了，為什麼一直沒有發展起來呢？因為它受到兩個條件的制約，一個是資料量，一個是機器的運算能力。
在數量比較小的情況下，傳統的機器學習方法就能夠取得較好的效果。但是隨著資料量不斷的增加，當達到某個臨界值之後，傳統機器學習方法的效果就不會再有提升了。而深度學習模型的效果則會隨著資料量的顯著增加而獲得明顯的提升。也就是說，深度學習方法能夠最大限度地發揮出大資料的價值！所以大資料的發展促進了深度學習的崛起，而深度學習又放大了資料的價值，他們兩個相互促進，相輔相成的。
這裡給想學習人工智慧深度學習的同學，推薦一下中公教育的深度學習直播課。課程由中科院自動化所人工智慧專家傾力研發，將從實際的科研工程專案中，擷取8個典型任務，帶領學員體驗系統架構設計、關鍵演算法選取、核心模組開發、識別效果測試等實際專案建設的全流程，並重點掌握核心AI模組的開發環節，使學員在結業後能夠直接上手從事技術崗位工作，無需二次熟悉。
同時中公教育深度學習課程技術緊跟市場需求，落地領域寬泛，不限於語音識別、影象識別、機器對話等前沿技術，涵蓋行業內75%技術要點，滿足各類就業需求，助力躋身人工智慧領域優秀人才。
一言以蔽之
深度學習之於大資料
就相當於鐵路運輸網上的徐州站之於津浦鐵路和隴海鐵路線
深度學習是多層次的人工神經網路的建立和利用。在最簡單的術語中，你可以把它看作是高度非線性的級聯模型，例如多層規則和最後的邏輯迴歸。這是一個非常複雜的體系結構，最後的結果是分類（離散結果）或迴歸（連續結果）。
一般來說，這些模型需要有大資料的支援，並且需要對超引數（hyper parameters）、正則化的大量的精細調節。應用包括基於CNN（convolutional neural networks卷積神經網路）的計算機視覺和影象識別；自動翻譯（基於NLP技術，例如長短期記憶模型）。
其實深度學習的基礎理論其實在幾十年前就有了，為什麼一直沒有發展起來呢？因為它受到兩個條件的制約，一個是資料量，一個是機器的運算能力。
在數量比較小的情況下，傳統的機器學習方法就能夠取得較好的效果。但是隨著資料量不斷的增加，當達到某個臨界值之後，傳統機器學習方法的效果就不會再有提升了。而深度學習模型的效果則會隨著資料量的顯著增加而獲得明顯的提升。也就是說，深度學習方法能夠最大限度地發揮出大資料的價值！所以大資料的發展促進了深度學習的崛起，而深度學習又放大了資料的價值，他們兩個相互促進，相輔相成的。
這裡給想學習人工智慧深度學習的同學，推薦一下中公教育的深度學習直播課。課程由中科院自動化所人工智慧專家傾力研發，將從實際的科研工程專案中，擷取8個典型任務，帶領學員體驗系統架構設計、關鍵演算法選取、核心模組開發、識別效果測試等實際專案建設的全流程，並重點掌握核心AI模組的開發環節，使學員在結業後能夠直接上手從事技術崗位工作，無需二次熟悉。
同時中公教育深度學習課程技術緊跟市場需求，落地領域寬泛，不限於語音識別、影象識別、機器對話等前沿技術，涵蓋行業內75%技術要點，滿足各類就業需求，助力躋身人工智慧領域優秀人才。