什么是深度学习？

深度学习：在批判性思维下去学习，通过整理、反思、总结等步骤去寻找解决问题的方式，并在这个过程中得到持续的学习。

举个栗子，来理解一下这个概念。比如现在有小明、小红、小李三位同学，他们在学习中是不一样的。具体表现如下：

1. 小明同学 属于被动学习，要在老师和家长严格要求下，才能去写作业，背诵知识点。对书本上的知识点，大部分是通过笔记和背书来达到记忆的目的，没有去完全理解，自我学习反馈机制没有形成闭环。
2. 小红同学 属于半主动学习，能够提前预习知识点，也能够根据课后作业发现自己错误的知识点，然后再去找同等类型题，加强自己对知识点的理解。能够形成闭环，但是闭环过小。
3. 小李同学 属于主动学习，能够根据自己学习的知识点，对知识进行归纳、总结、输出。相当于能够把知识点串联起来，通过自主研究，把内容研究的更深刻。同时在学习中形成自己的观点，能够把这类问题总结出来，并且能够用自己的话讲解清楚。

那么，这三位同学里，小李同学就属于在学习中深度学习，不流于表面。能够通过不断的总结，归纳，整理，试验，自我反馈，并且最后能够输出自己的观点。

深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。

深度学习的概念由Hinton等人于2006年提出。基于深信度网(DBN)提出非监督贪心逐层训练算法，为解决深层结构相关的优化难题带来希望，随后提出多层自动编码器深层结构。此外Lecun等人提出的卷积神经网络是第一个真正多层结构学习算法，它利用空间相对关系减少参数数目以提高训练性能。

深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。

同机器学习方法一样，深度机器学习方法也有监督学习与无监督学习之分.不同的学习框架下建立的学习模型很是不同.例如，卷积神经网络(Convolutional neural networks，简称CNNs)就是一种深度的监督学习下的机器学习模型，而深度置信网(Deep Belief Nets，简称DBNs)就是一种无监督学习下的机器学习模型。

您好，针对您的问题，我作为有六年教学经验的老师给出以下答案：

所谓的深度学习是与普通学习对比而言的，就字面的意思可以看出，这种方式的学习要求我们做到深度化，而不是肤浅的了解相关的知识内容，在当今时代，竞争越发激烈，更要求我们把专业领域的事情做到极致，这就进一步让我们的研究要有深度和广度。我认为深度学习应该做到以下几点：

首先要学会合理的制定目标，确定学习方向。要学会梳理自身学习情况，以课本为基础，结合自己做的笔记、试卷、掌握的薄弱环节、存在的问题等，合理的分配时间，有针对性、具体的去一点一点的去攻克、落实。

其次要学习掌握速读记忆的能力，提高学习复习效率。记忆力、注意力、思维、理解力等都要相应的提高，最终提高学习、复习效率，取得好成绩。

再者要学会整合知识点，这点很重要。把需要学习的信息、掌握的知识分类，做成思维导图或知识点卡片，会让你的大脑有条不紊。要学会把新知识和已学知识联系起来完善知识体系。

（1）什么是深度学习？

深度学习更强调对知识的深层加工、深度理解及长期保持，善于自主建构且能迁移应用并在真实情景中解决复杂问题。

在这个基础上，我们给出深度学习的定义：

一种基于已有经验的问题发现与探究，是在识记和理解的基础上对知识的综合应用与创造，是追求有一定思维深度和思维广度的综合性学习过程。

学习可分为浅学习和深学习，就像阅读可分为泛读和精读一样。深度学习说的就是学习的一种程度。

学习通常都是由浅入深的，一层一层进入，一步一步提升的。下面是根据当下很多人的学习现状，例举的几点关于深度学习的建议。

1、首先要学会对信息进行分级。

当下我们很多信息的来源都是一些自媒体内容，如果你关注或订阅了大量低质、无用的自媒体，这不仅浪费了你的大量时间，同时也大大消耗你的精力。所以，要学会“分级”，哪些信息是要认真阅读的，哪些是可以批量、大致看看的，做出分级，并且在关注/订阅数上也要控制。

深度学习是学习样本数据的一个内在规律和表示层次，这些的学过程中获得的信息对于一些文字和图像，声音等一些数据来说有很大的帮助，他最终的目标的就是能够像机器一样具有非常强的分析能力，能够识别文字，图像，声音等数据。深度学习是一个复杂的机器学习算法，在语音和图像识别上有非常好的效果，并且已经远远超越了目前的相关技术。

深度学习在搜索技术，数据挖掘，机器学习，机器翻译，还有在自然语言处理多媒体的一些领域中都取得了很不错的成果。深度学习也使机器模仿和思考等人类的活动，解决了很多复杂的识别难题，在人工智能的技术上有了非常重大的进步。

那么如何的去学习深度学习?

首先把自己的学习结构看作成一个网络，而深度学习核心思路就如下：

1.无监督学习用于每一层的网络。

安德森将认知层面划分为：记忆、理解、运用、分析、评价、创造。它们是逐级提高的，每一个阶段都需要在前一个阶段完成的情况下才能依次往上。

通常认为：“记忆、理解、运用”层面的学习为表层学习；“分析、评价、创造”层面的学习是深度学习。

受传统以教师为主体的课堂的影响，多数人往往开展的表层学习。因此，深度学习需要革新教学方式，目前，课堂改革的方向是核心素养的培养，学习上要引导学生向“分析、评价、创造”深度学习转变。

1、分析：是指将材料分解为其组成部分并且确定这些部分是如何相互关联的。这一过程包括了区分、组织和归属。虽然有时候也将分析作为独立的教育目标，但是往往更倾向于将它看成是对理解的扩展，或者是评价与创造的前奏。

（1）区分。这是指学习者能够按照其恰当性或重要性来辨析某一整体结构中的各个部分。“区分”同“比较”之间是有所不同的。前者要求在整体的框架下看待部分，比较则被要求关注所有特征。区分的替换说法可以是“辨别”、“选择”、“区别”和“聚焦”。

深度学习在搜索技术，数据挖掘，机器学习，机器翻译，自然语言处理，多媒版体学习，语音，推荐和个性化技术，以及其他相关领域都取得了很多成果。深度学习使机器模仿视权听和思考等人类的活动，解决了很多复杂的模式识别难题，使得人工智能相关技术取得了很大进步。对比市面上的同类型课程，大都是局限在某一品类的项目训练，项目数量控制在3个左右。《AI深度学习》有6大实战项目，都是来自于企业的项目实操。学员在学习期间，直面复杂的开发环境，摆脱开源项目理想化开发，更加符合企业真实需求。项目包含“手写数字识别”“文学作品文本特征向量化实战”“基于GAN生成人脸图片”“基于分布式GAN人脸图片生成”“基于深度强化学习的迷宫游戏”“企业级车牌识别”6个项目。推荐可以自己联系一下中公优就业资讯详情，个人认为是非常不错的

深度学习是实现机器学习的技术。对于初学者来说，不建议刚开始就学算法，因为脱离业务和数据的算法讨论是毫无意义的，刚开始应该先打好编程和数学基础。

深度学习是机器学习的一个经典算法，之所以叫深度，是因为和传统方法比较加深了层数，从而可以解决更复杂的问题。深度学习广泛应用在计算机视觉、自然语言处理、语音识别、自动驾驶等领域。

为了帮助同学们更快地掌握深度学习技术，中公教育和中科院自动化研究所专家联合推出人工智能《深度学习》课程，让大家能够真正掌握机器学习模型以及算法背后的原理。

深度学习是人工智能的机器学习，可以到中公优就业学习，他们是中科院老师授课，比较权威