深度学习入门有多难？这篇带你零基础入行

至于现在深度学习有多么热门，我就不强调了，总之你能想象到的领域，在未来都可能应用到深度学习，非常值钱。更重要的是，“深度学习”算法包含精妙的思想，能够代表这个时代的精神。...

CSDN资讯

1723人浏览 · 2019-10-01 13:30:00

CSDN资讯 · 2019-10-01 13:30:00 发布

至于现在深度学习有多么热门，我就不强调了，总之你能想象到的领域，在未来都可能应用到深度学习，非常值钱。更重要的是， “深度学习”算法包含精妙的思想，能够代表这个时代的精神。

本文重点

通过与我们社群内的用户聊天沟通，发现他们在想入门深度学习都会遇到以下几个问题。

“适不适合转行深度学习（机器学习）”，“怎么样转行深度学习（机器学习）”，“转行深度学习需要哪些入门材料？”等等。

其实现在网上的回答各有纷说，存在着很多不够走心、不够基础的回答，对于很多深度学习新手来说并不友好。

考虑到太多的人没有什么专业基础，又对学习路径的问题比较关心，因此，本文希望从一个小白的角度，真正从零基础的角度来为大家提供一些专业的建议和指导。

为了给方便大家阅读，先给大家列个文章重点

什么样的人适合入行深度学习？
如何入行深度学习？
有哪些入门深度学习的材料推荐？

哪些人适合入行深度学习？

从事高薪的AI研究固然需要非凡的头脑，但理解人工智能的基本原理、成功迈入AI行业却是普通人就可以完成的职业规划，其实门槛也并没有大家想想的那么高。

1. 文科生是否适合学习深度学习？

对于文科生的话，我觉得不能一概而论。有些文科生，尤其学习语言学、文学专业的，他们的思维方式可能更多的偏向于发散思维，对于逻辑思维能力可能会有所欠缺。

对于这样的人，不是很建议入行深度学习，更多的是希望把本行业的事情做好，或者可以选择一些深度学习产品经理等等这样的岗位，避免一些编程、模型设计训练的任务。

2. 机械、电气等理工科的专业背景的人是否适合入行深度学习？

对于诸如电气、电子、生物、金融、统计学等等这样的理工科专业的学生，如果选择入行深度学习，个人觉得还是非常不错的选择。

以统计学为例，深度学习最为底层的就是数学基础，在基础学习的时候可以更加快速。

3. 年纪太大了是否适合转行深度学习？

个人不建议，因为核心竞争力确实会和一些年轻人存在一些差距。但是如果从事5年以下编程、数据分析的人，我觉得也是不错的选择，因为过往的工作学习经验、理科生的思维方式仍然可以复用。

4. 是否需要持续的学习能力？

任何一门技术的学习，都需要一定时间的积累，尤其对于深度学习、机器学习这样的工作。短期内，结合专业的指导，你可以入门，但精通一定不行。

总结下，有哪些人适合入行深度学习？

有高等数学基础的公司技术岗在职人员，需要 AI 赋能；
在校或者在职的前端、php、python码农，有编程基础的人；
具备较好的逻辑思维能力的学生。

如何入行深度学习？

可能很多门外汉对于深度学习的复杂程度望而却步，但是其实并未像很多人想象的那样。它的基本原理就是建立在基础的数学之上，通过模型组合实现复杂的功能。

这个其实并不难，但是一旦领会了，你就能窥探一点脑神经科学和现代工程学。

具体你需要经历以下几个步骤：

1. 深度学习整体概述：了解深度学习的前世今生、为什么会爆发深度学习热潮？代表的技术有哪些，涉及到什么样的领域、产品、公司，以及各行各业中的应用。尽可能的科普深度学习的相关知识；

2. 深度学习预备知识：数学基础（线性代数、矩阵、概率统计、优化等等）、机器学习基础、编程基础；

3. 深度学习核心知识：神经网络、深度网络结构、图像任务、语音任务、自然语言任务；

4. 深度学习进阶知识：如何使用深度学习框架，完成网络的搭建、训练。

关于深度学习的公司，也就是人工智能公司，这里，我们重点介绍一些代表性的企业：

1. 语音识别技术，国内公司讯飞、百度。国外公司 Google、亚马逊，微软等，行业应用就是智能音箱等产品；

2. 图像识别技术，比如做安防的海康威视，图森科技，依图科技，旷视科技，代表性的就是面部识别，iPhone X 的人脸识别；

3. 自动驾驶技术，比如特斯拉，Uber，百度等公司开发的自动驾驶技术；

4. 金融领域的预测股价、医疗领域的疾病监测，教育领域的技术赋能等；

5. 淘宝网、字节的千人千面等。 640?wx_fmt=png

深度学习需要学习哪些概论知识？

我们必须要清楚的就是深度学习属于机器学习的一种方法，除了深度学习以外，还包括了线性回归、逻辑回归、SVM、随机森林、图模型、贝叶斯等等很多方法。

而深度学习，并不是对所有的任务都有效，有些时候，也需要用到一些传统的机器学习方法。而机器学习则是实现人工智能必不可少一种技术手段。

最后，理论部分都强调完了以后，我们在重点强调一下进阶的知识，也就是实战部分。大家在学习深度学习的时候，一定要认识到，深度学习更多的还是需要编程！编程！编程！也就是说，不能仅仅停留在理论层面，更多的还是需要动手实战的能力，利用 Caffe 或者 TensorFlow 针对一些实际的分类任务进行实验。只有这样才能更快地积累经验，更早的入行深度学习。

最后，为大家推荐一些课程和教材

首先是线性代数，推荐麻省理工推出的课程《麻省理工公开课：线性代数》，你会发现和我们本科学的线性代数好像不太一样，这个讲解的更加容易理解！！不再是停留在做计算题的层次，是真的有用！

还有就是偏实操的《智能问答深度学习》，本书介绍了近年来自然语言处理和机器阅读的成果并带有翔实的示例，对实际应用有很好的借鉴意义。

目前CSDN学院与《智能问答深度学习》的作者之一王海良老师也有着深度的合作，包括王海良老师在内的5位微软、阿里、今日头条、优酷等技术专家，特别针对零基础想入行深度学习的同学联合出品了《从零开始深度学习》这门课程。

我们希望通过这门课程帮助大家真正的克服畏难情绪，让你0基础入门深度学习，建立起完整的学习路径，同时通过“智能问答模型”的实战案例，将所学知识学以致用。