两张图带你了解机器学习和深度学习的前世今生

深度学习是什么？

上图准确的阐明了机器学习以及AI的形式

深度学习是机器学习的一种：它用了一项技术，使得计算机找到数据中的最小形式并放大。这项技术叫做深度神经网络，称得上深度那是由于它将基本计算节点划分为多层，这些计算节点同时工作

神经网络是什么？

神经网络是由人脑外部构造启示的，这种网络结构有点像大脑本身。Hinton发表重要论文的时分神经网络曾经不盛行了。没人真知道怎样训练这个算法，所以也没人获得有效结果。这个技术花了三十年才重返潮流。天知道它是不是真的有转机。

你首先得知道的一件事是：机器（以及深度）学习分三种：监督式，非监督式和强化式。其中最抢手的监督学习中，数据被标记好以告知计算机它所寻觅的数据形式。请把它想象成一条一旦探知目的就会停止光速追捕的嗅探犬。当你在Netflix上点击播放按钮的那一秒，你在告诉算法获取相似影剧。

无监督学习是什么？

在无监督学习中，数据是没有被标记。我们只是让计算机看它能自行发现什么形式。这就好像让一条狗去闻有数不同的物品并把它们分类进相似的气息分组一样。无监督技术并不盛行是由于他们没那么多典型运用。有意思的是，这些技术在信息安全方面获得了更多关注。

最后，我们还有强化学习，机器学习中最前沿的分支。强化学习算法经过反复实验来达成明晰目的。它尝试大量不同的事项，并基于它的行为对最终目的有协助或是有妨碍来获得奖惩。

这就像在给狗训练新把戏的时分给它奖励品一样。AlphaGo，在复杂围棋比赛中击败最强者类选手而出名的Google程序的基础就是强化学习。

AI的更多背景知识流程图

由于业界对AI的定义是不断变化的，这个术语也常常被弄的乌七八糟。例如过去被以为的人工智能系统，在明天看来或许有点牵强了

所以读AI背景知识停止梳理可以让你准确的掌握这个知识点。上图的梳理就能很好的协助判别能否为运用了AI技术。

在最广泛的意义上，人工智能指的是可以为本人学习、推理和举动的机器。

也就是说当面对新的状况时，这些机器可以做出本人的决议，就像人类和动物一样可以思索。这通常被称为“强者工智能”或“AGI”。

一些专家以为，机器学习和深度学习假如有了足够多的数据，最终将使我们我们进入AGI。

虽然在其他方面它照旧比一个踉跄学步的孩子笨得多，但确的确实经过数据AI曾经掌握了围棋。

（部分内容来自网络侵删）

留在最后的综合解析图

这是一份深度学习和机器学习的综合解析图（部分），包含了市场上对于深度学习和机器学习的运用需求，以及常用框架和三大神经网络模型的技术点归纳，假如有需求可以在我的微头条找到获取方式。

有没有什么需要注意的？

很看好这个

关注，等大神更新完了再看！楼主加油！