深度學(xué)習(xí)到底有多熱，這里我就不再?gòu)?qiáng)調(diào)了，也因此有很多人關(guān)心這樣的幾個(gè)問(wèn)題，“適不適合轉(zhuǎn)行深度學(xué)習(xí)（機(jī)器學(xué)習(xí)）”，“怎么樣轉(zhuǎn)行深度學(xué)習(xí)（機(jī)器學(xué)習(xí)）”，“轉(zhuǎn)行深度學(xué)習(xí)需要哪些入門(mén)材料？”等等。

而網(wǎng)上相應(yīng)問(wèn)題的回答也比較雜亂，存在不走心、不夠基礎(chǔ)等等問(wèn)題。

考慮到太多的人沒(méi)有一定的專(zhuān)業(yè)基礎(chǔ)，又恰恰對(duì)轉(zhuǎn)行、學(xué)習(xí)的問(wèn)題比較關(guān)心，因此，本文希望從一個(gè)小白的角度出來(lái)，真正從零基礎(chǔ)的角度來(lái)為大家提供一些專(zhuān)業(yè)的建議和指導(dǎo)。

避免大家看很多無(wú)用的信息，少走彎路。接下來(lái)，本文從以下幾個(gè)方向出發(fā)，來(lái)展開(kāi)敘述：

什么樣的人適合入行深度學(xué)習(xí)？

怎樣學(xué)習(xí)深度學(xué)習(xí)？

有哪些入門(mén)深度學(xué)習(xí)的材料推薦？

哪些人適合入行深度學(xué)習(xí)

深度學(xué)習(xí)存在一定的門(mén)檻，這是必然的，并不是網(wǎng)上說(shuō)的僅僅成為一個(gè)“調(diào)包狹”。你可能是結(jié)合一些實(shí)際的業(yè)務(wù)場(chǎng)景，需要復(fù)現(xiàn)一些模型，甚至自己設(shè)計(jì)一些模型，所以需要具備一定的數(shù)學(xué)、英語(yǔ)、編程等等能力。

1. 初中畢業(yè)、高中畢業(yè)是否適合學(xué)習(xí)深度學(xué)習(xí)？

這里，我不建議這樣的人轉(zhuǎn)行深度學(xué)習(xí)，因?yàn)槟悻F(xiàn)在需要的不是深度學(xué)習(xí)，而是高中知識(shí)積累、大學(xué)的知識(shí)積累，思維模式的培養(yǎng)，如果你還年輕，那我建議你先去把這些該走的路走完，再考慮入行深度學(xué)習(xí)。

你們的人生還有很多種可能，沒(méi)有必要急著早早的作出選擇。當(dāng)然，如果你已經(jīng)到了一定年紀(jì)了，那我覺(jué)得真的沒(méi)必要在這個(gè)上面折騰了，賺錢(qián)的機(jī)會(huì)還有很多。

2. 文科生是否適合學(xué)習(xí)深度學(xué)習(xí)？

對(duì)于文科生的話，我覺(jué)得不能一概而論。有些文科生，尤其學(xué)習(xí)語(yǔ)言學(xué)、文學(xué)專(zhuān)業(yè)的，他們的思維方式可能更多的偏向于發(fā)散思維，對(duì)于邏輯思維能力可能會(huì)有所欠缺。

對(duì)于這樣的人，不是很建議入行深度學(xué)習(xí)，更多的是希望把本行業(yè)的事情做好，或者可以選擇一些深度學(xué)習(xí)產(chǎn)品經(jīng)理等等這樣的崗位，避免一些編程、模型設(shè)計(jì)訓(xùn)練的任務(wù)。

3. 機(jī)械、電氣等理工科的專(zhuān)業(yè)背景的人是否適合入行深度學(xué)習(xí)？

對(duì)于諸如電氣、電子、機(jī)械、化工、生物等等這樣的理工科專(zhuān)業(yè)的學(xué)生，如果選擇入行深度學(xué)習(xí)，個(gè)人覺(jué)得還是存在可能的。

以機(jī)械為例，很多機(jī)械行業(yè)的朋友，也會(huì)接觸到底層編程的一些任務(wù)；對(duì)于一些電子和電氣相關(guān)的專(zhuān)業(yè)的學(xué)生，往往也會(huì)接觸到一些編程的任務(wù)。

同樣，還具備一些信號(hào)處理的知識(shí)，對(duì)于這些人來(lái)講，深度學(xué)習(xí)和機(jī)器學(xué)習(xí)，入門(mén)相對(duì)門(mén)檻會(huì)低一些。當(dāng)然，實(shí)際上還要結(jié)合自身的情況來(lái)看，具體是否合適，可以對(duì)照我后面的幾個(gè)標(biāo)準(zhǔn)。

4. 年紀(jì)太大了是否適合轉(zhuǎn)行深度學(xué)習(xí)？

個(gè)人不建議，因?yàn)楹诵母?jìng)爭(zhēng)力確實(shí)會(huì)和一些年輕人存在一些差距。如果有可能，更希望能夠在本領(lǐng)域深耕下去。

5. 期待學(xué)習(xí)兩三個(gè)月成大神，年薪20萬(wàn)+。

任何一門(mén)技術(shù)的學(xué)習(xí)，都需要一定時(shí)間的積累，尤其對(duì)于深度學(xué)習(xí)、機(jī)器學(xué)習(xí)這樣的工作。短期內(nèi)，結(jié)合專(zhuān)業(yè)的指導(dǎo)，你可能會(huì)初窺門(mén)徑，但精通一定不行。虛心學(xué)習(xí)，經(jīng)過(guò)一定時(shí)間積累，年薪20萬(wàn)+希望還是很大的。

總結(jié)下，有哪些人適合入行深度學(xué)習(xí)？

大學(xué)里學(xué)習(xí)過(guò)高等數(shù)學(xué)的本科生，碩博士研究生；

有高等數(shù)學(xué)基礎(chǔ)的公司技術(shù)崗在職人員，需要 AI 賦能；

過(guò)去 PC、iOS、安卓開(kāi)發(fā)的碼農(nóng)，有編程基礎(chǔ)的人；

具備較好的邏輯思維能力的本科生。

如何入行深度學(xué)習(xí)

聊完了什么人適合入行深度學(xué)習(xí)，我們?cè)賮?lái)看一看如何學(xué)習(xí)深度學(xué)習(xí)？

具體你需要經(jīng)歷以下幾個(gè)步驟：

深度學(xué)習(xí)整體概述：了解深度學(xué)習(xí)的前世今生、為什么會(huì)爆發(fā)深度學(xué)習(xí)熱潮？代表的技術(shù)有哪些，涉及到什么樣的領(lǐng)域、產(chǎn)品、公司，以及各行各業(yè)中的應(yīng)用。盡可能的科普深度學(xué)習(xí)的相關(guān)知識(shí)；

深度學(xué)習(xí)概論知識(shí)：深度學(xué)習(xí)、機(jī)器學(xué)習(xí)、人工智能等區(qū)別和聯(lián)系；

深度學(xué)習(xí)預(yù)備知識(shí)：數(shù)學(xué)基礎(chǔ)（線性代數(shù)、矩陣、概率統(tǒng)計(jì)、優(yōu)化等等）、機(jī)器學(xué)習(xí)基礎(chǔ)、編程基礎(chǔ)；

深度學(xué)習(xí)核心知識(shí)：神經(jīng)網(wǎng)絡(luò)、深度網(wǎng)絡(luò)結(jié)構(gòu)、圖像任務(wù)、語(yǔ)音任務(wù)、自然語(yǔ)言任務(wù)；

深度學(xué)習(xí)進(jìn)階知識(shí)：如何使用深度學(xué)習(xí)框架，完成網(wǎng)絡(luò)的搭建、訓(xùn)練。

關(guān)于深度學(xué)習(xí)的公司，也就是人工智能公司，我們?cè)谥耙蔡岬竭^(guò)，這里，我們?cè)僦攸c(diǎn)介紹一些代表性的企業(yè)：

語(yǔ)音識(shí)別技術(shù)，國(guó)內(nèi)公司訊飛、百度。國(guó)外公司 Google、亞馬遜，微軟等，行業(yè)應(yīng)用就是智能音箱等產(chǎn)品；

圖像識(shí)別技術(shù)，比如做安防的海康威視，圖森科技，依圖科技，曠視科技，代表性的就是面部識(shí)別，iPhone X 的人臉識(shí)別；

自動(dòng)駕駛技術(shù)，比如特斯拉，Uber，百度等公司開(kāi)發(fā)的自動(dòng)駕駛技術(shù)；

金融領(lǐng)域的預(yù)測(cè)股價(jià)、醫(yī)療領(lǐng)域的疾病監(jiān)測(cè)，教育領(lǐng)域的技術(shù)賦能等；

阿里巴巴淘寶網(wǎng)的千人千面等。

接下來(lái)我們看一些關(guān)于深度學(xué)習(xí)的概論知識(shí)。

我們必須要清楚的就是深度學(xué)習(xí)屬于機(jī)器學(xué)習(xí)的一種方法，除了深度學(xué)習(xí)以外，還包括了線性回歸、邏輯回歸、SVM、隨機(jī)森林、圖模型、貝葉斯等等很多方法。

而深度學(xué)習(xí)，并不是對(duì)所有的任務(wù)都有效，有些時(shí)候，也需要用到一些傳統(tǒng)的機(jī)器學(xué)習(xí)方法。而機(jī)器學(xué)習(xí)則是實(shí)現(xiàn)人工智能必不可少一種技術(shù)手段。

深度學(xué)習(xí)和傳統(tǒng)機(jī)器學(xué)習(xí)有哪些區(qū)別和聯(lián)系呢？

請(qǐng)看下面這幾點(diǎn)。

數(shù)據(jù)依賴性。深度學(xué)習(xí)與傳統(tǒng)的機(jī)器學(xué)習(xí)最主要的區(qū)別在于，隨著數(shù)據(jù)規(guī)模的增加其性能也不斷增長(zhǎng)。當(dāng)數(shù)據(jù)很少時(shí)，深度學(xué)習(xí)算法很容易過(guò)擬合（可以簡(jiǎn)單理解成性能不好）。

硬件依賴。深度學(xué)習(xí)算法需要進(jìn)行大量的矩陣運(yùn)算，GPU 主要用來(lái)高效優(yōu)化矩陣運(yùn)算，所以 GPU 是深度學(xué)習(xí)正常工作的必須硬件。與傳統(tǒng)機(jī)器學(xué)習(xí)算法相比，深度學(xué)習(xí)更依賴安裝 GPU 的高端機(jī)器。當(dāng)然，除了 GPU 以外，還有一些其他的深度學(xué)習(xí)芯片發(fā)展也十分重要。通常的做法是，GPU 訓(xùn)練，而在實(shí)際的項(xiàng)目中則使用其他的深度學(xué)習(xí)芯片代替。

特征表示。傳統(tǒng)機(jī)器學(xué)習(xí)更多的依賴手動(dòng)設(shè)計(jì)特征，需要引入更多的領(lǐng)域知識(shí)，而深度學(xué)習(xí)，則能夠直接抽取不同粒度上的特征，因此，能夠具有更高的表示能力。

端到端。對(duì)于傳統(tǒng)的機(jī)器學(xué)習(xí)方法，更加注重邏輯規(guī)則的設(shè)計(jì)，在解決一個(gè)問(wèn)題的時(shí)候，會(huì)將其拆分成幾個(gè)不同的子問(wèn)題，而深度學(xué)習(xí)則更加強(qiáng)調(diào)從數(shù)據(jù)的角度出發(fā)，直接對(duì)問(wèn)題進(jìn)行求解，也就是更加的端到端。

訓(xùn)練時(shí)間。深度學(xué)習(xí)模型的訓(xùn)練一般需要較長(zhǎng)的時(shí)間，不過(guò)好在測(cè)試的時(shí)候，則需要較少的時(shí)間。

可解釋性。深度學(xué)習(xí)算法的可解釋性較差，更像一個(gè)黑盒運(yùn)算。

了解完深度學(xué)習(xí)的一個(gè)基本情況以后，我們?cè)賮?lái)看一些學(xué)習(xí)深度學(xué)習(xí)，你需要學(xué)習(xí)哪些預(yù)備知識(shí)？

數(shù)學(xué)（高數(shù)、線性代數(shù)、概率統(tǒng)計(jì)、矩陣分析，如果還有機(jī)會(huì)，可以了解下優(yōu)化的相關(guān)知識(shí)）；

英語(yǔ)，需要閱讀大量的英語(yǔ)文獻(xiàn)，英語(yǔ)閱讀和理解的能力還是應(yīng)該具備的；

編程，至少會(huì) Python，如果有精力再學(xué)一下 C/C++；

機(jī)器學(xué)習(xí)，關(guān)于一些傳統(tǒng)的機(jī)器學(xué)習(xí)算法建議還是要了解一下的。

準(zhǔn)備好了上述的一些基本能力以后，我們?cè)倏纯搓P(guān)于深度學(xué)習(xí)的一些核心知識(shí)，你需要了解：

神經(jīng)網(wǎng)絡(luò)；

CNN、RNN、LSTM 等不同的網(wǎng)絡(luò)結(jié)構(gòu)；

深度學(xué)習(xí)的框架：Caffe、TensorFlow，以及這些框架如何使用；

深度學(xué)習(xí)+圖像處理模型；

深度學(xué)習(xí)+語(yǔ)音識(shí)別模型；

深度學(xué)習(xí)+自然語(yǔ)言處理模型。

注意：對(duì)于上述提到的（深度學(xué)習(xí)+圖像處理模型、深度學(xué)習(xí)+語(yǔ)音識(shí)別模型、深度學(xué)習(xí)+自然語(yǔ)言處理模型）三個(gè)任務(wù)，其實(shí)不需要你都精通，只要專(zhuān)注于其中一個(gè)領(lǐng)域就可以，這個(gè)要結(jié)合自己的興趣來(lái)看。

看看自己更喜歡哪個(gè)行業(yè)，初期就以這個(gè)行業(yè)研究為主，后續(xù)如果有機(jī)會(huì)，在考慮更高層面上的通用技術(shù)和框架。

最后，理論部分都強(qiáng)調(diào)完了以后，我們?cè)谥攸c(diǎn)強(qiáng)調(diào)一下進(jìn)階的知識(shí)，也就是實(shí)戰(zhàn)部分。大家在學(xué)習(xí)深度學(xué)習(xí)的時(shí)候，一定要認(rèn)識(shí)到，深度學(xué)習(xí)更多的還是需要編程！編程！編程！也就是說(shuō)，不能僅僅停留在理論層面，更多的還是需要?jiǎng)邮謱?shí)戰(zhàn)的能力，利用 Caffe 或者 TensorFlow 針對(duì)一些實(shí)際的分類(lèi)任務(wù)進(jìn)行實(shí)驗(yàn)。只有這樣才能更快地積累經(jīng)驗(yàn)，更早的入行深度學(xué)習(xí)。

最后，為大家推薦一些課程和教材：

首先是線性代數(shù)，推薦麻省理工推出的課程《麻省理工公開(kāi)課：線性代數(shù)》，你會(huì)發(fā)現(xiàn)和我們本科學(xué)得線性代數(shù)好像不太一樣，這個(gè)講解的更加容易理解！！不再是停留在做計(jì)算題的層次，是真的有用！

斯坦福機(jī)器學(xué)習(xí)：斯坦福大學(xué)公開(kāi)課 ：機(jī)器學(xué)習(xí)課程，這個(gè)就不強(qiáng)調(diào)了，NG 的課程，一般這個(gè)行業(yè)的的都會(huì)學(xué)習(xí)下！

張志華老師的《統(tǒng)計(jì)機(jī)器學(xué)習(xí)》，《機(jī)器學(xué)習(xí)導(dǎo)論》，這個(gè)課程涉及到更加深入的統(tǒng)計(jì)機(jī)器學(xué)習(xí)理論，看完以后你會(huì)對(duì)概率論有更深入的了解！

周志華老師的西瓜書(shū)，它對(duì)機(jī)器學(xué)習(xí)整體的介紹還是比較基礎(chǔ)的！記得在找工作時(shí)候，每次面試前都會(huì)看一遍這本書(shū)！

Caffe 和 TensorFlow 的學(xué)習(xí)則更多的是實(shí)現(xiàn)一些 Demo 和閱讀文章，后續(xù)我也會(huì)推出一些入門(mén)的課程，希望大家能夠持續(xù)學(xué)習(xí)下去。