IA是现如今最炙手可热的话题和技术，其核心发展是依托于现如今快速发展的深度学习的方法快速而有效的应用。因此现在对于此一新知识和技术栈的了解显得十分必要，这里我先做一个简单的核心知识点总括，然后放上我最近在读和预备要读的书籍供大家参考学习。
前言：
深度学习做为机器学习的一个分支，存在由来已久，其核心思路为依据大量训练形成经验，从而实现预测和决策，其过程无严整的逻辑与因果关系，因此被称为黑盒。
深度学习分类较多，如深度神经网络、卷积神经网络和深度置信网络和递归神经网络等已被应用于计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并取得了极好的效果。
由于互联网技术的进步和未来物联网的趋势，巨大数据的时代已经到来，在应对如此大量的数据时，深度学习可以像风口飞起的猪一样，飞的够高够远。
观点：
1. 深度学习是机器学习的一部分，其有天然的优势与缺陷，想要凭借深度学习形成超级的人工智能，目前看来还是不大可能。
2. 深度学习需要结合目前已经存在其他的机器学习方法才能更好为现实需求服务，如AlphoGO使用了蒙特卡洛树搜索与两个深度神经网络相结合的方法。
3. 深度学习是目前需要需要掌握的一门技术，也可以作为思考和解决问题的一种方式，掌握一、二个热门的框架的应用也是必不可少的。
4. 深度学习能够提高人们对人工智能的信心，因此多讲讲也是好的。
必需的知识点：
这里简单总结相关的知识点，后续根据阅读书籍及认知提高再补充。
数学知识： 线性代数，概率论，高等数学相关知识，熵等相关数学知识。
自然科学： 神经网络相关知识。
计算机： python 语言，google TensorFlow 框架。
阅读计划：
1. 深度学习的基础资料书籍
2. google TensorFlow 框架书籍
版权所有丨如未注明，均为原创，转载请注明转自：https://whonee.net/about-ai-deep-learning-simple-note.html