深度學習是機器學習研究中的一個新的領域，其動機在於建立、模擬人腦進行分析學習的神經網路，它模仿人腦的機制來解釋資料，例如影象，聲音和文字。深度學習是無監督學習的一種。

一、顛覆的行業

1、自然語言處理、語音識別、使用者畫像、無人駕駛……這些和深度神經網路（即深度學習）相關的技術在最近幾年突然火了起來，隨著AI、機器學習和智慧機器人變得越來越普遍，在這些機器人將在製造、培訓、銷售、維修和車隊管理方面擔任新的崗位。人工智慧和機器人將能夠實現今天難以想象的新服務。但很顯然，醫療保健和交通運輸將是AI第一批顛覆的行業。

2、深度學習的進展和計算能力的提高和資料的增長密不可分。

3、如果是一輛無人駕駛車出現了錯誤，不但它自己會從中吸取教訓，所有其他的無人駕駛車甚至是所有未來的無人駕駛車，也將從中獲得新的經驗。這意味著，一個錯誤就能訓練世界上所有的無人駕駛車，無人車的學習速度遠遠超過了人類。

二、學習的方法

學校的學習：

數學和物理是學習人工智慧、機器學習、資料科學以及許多未來工作的基本方法的地方。選修所有你能夠選修的數學課程，包括Calc I，Calc II，Calc III，線性代數，概率論和統計學。電腦科學也是必不可少的，你需要學習如何程式設計。工程學、經濟學和神經科學也會有所幫助。你也可以考慮一些與哲學相關的領域，例如認識論——這門學習研究什麼是知識、什麼是科學理論，什麼是學習。
選修這些課程的目標不是簡單記憶。作為學生，你必須學會如何將資料轉化為知識。這包括基本的統計學，還包括如何收集和分析資料，注意可能出現的偏差，並小心因為這些偏差在處理資料時出現的誤差。
讀博士：

不用管學校的“排名”，在那些從事你感興趣的研究中，找一位信譽良好的教授，或選擇一位寫了你喜歡或敬佩的論文的人。申請這些教授所在的學校的一些博士課程，並在申請信中提到你願意與這些教授合作，但同時也願意與其他人合作。
參與研究你感興趣的與AI相關的問題。開始閱讀關於這個問題的文獻，並嘗試用不同於以前的思路去解決它。在你畢業之前，嘗試寫一篇研究論文，或者釋出一個開原始碼。
申請側重產業為的實習機會，獲得關於AI在實踐中的工作經驗。
如果你已經就業，但想要轉向從事與AI有關的工作：

三、相關知識

       Deep learning的deep是不是就表示我存在多少層，也就是多深呢？沒錯。那Deep learning是如何借鑑這個過程的呢？畢竟是歸於計算機來處理，面對的一個問題就是怎麼對這個過程建模？因為我們要學習的是特徵的表達，那麼關於特徵，或者說關於這個層級特徵，我們需要了解地更深入點。

       深度學習的實質，是通過構建具有很多隱層的機器學習模型和海量的訓練資料，來學習更有用的特徵，從而最終提升分類或預測的準確性。因此，“深度模型”是手段，“特徵學習”是目的。區別於傳統的淺層學習，深度學習的不同在於：1）強調了模型結構的深度，通常有5層、6層，甚至10多層的隱層節點；2）明確突出了特徵學習的重要性，也就是說，通過逐層特徵變換，將樣本在原空間的特徵表示變換到一個新特徵空間，從而使分類或預測更加容易。與人工規則構造特徵的方法相比，利用大資料來學習特徵，更能夠刻畫資料的豐富內在資訊。

參考來源：

http://weibo.com/ttarticle/p/show?id=2309614049609902129590&u=_ctg1_1760_-_ctg1_1760&m=4049608483246629&cu=2967732161 

http://weibo.com/ttarticle/p/show?id=2309614047499508718206#related

http://weibo.com/ttarticle/p/show?id=2309351000224042719801518916#related  

  http://www.leiphone.com/news/201608/7lwVZCXnScbQb6cJ.html