出去打工和儿子租房
  • 深度學習現在有多火?需要什么基礎?

    2020-05-27 12:01發布

    74條回答
    息紅淚
    1樓 · 2020-05-27 13:55.采納回答

    數學基礎
    如果你能夠順暢地讀懂深度學習論文中的數學公式,可以獨立地推導新方法,則表明你已經具備了必要的數學基礎。
    掌握數學分析、線性代數、概率論和凸優化e799bee5baa6e58685e5aeb931333431373233四門數學課程包含的數學知識,熟知機器學習的基本理論和方法,是入門深度學習技術的前提。因為無論是理解深度網絡中各個層的運算和梯度推導,還是進行問題的形式化或是推導損失函數,都離不開扎實的數學與機器學習基礎。
    數學分析
    在工科專業所開設的高等數學課程中,主要學習的內容為微積分。對于一般的深度學習研究和應用來說,需要重點溫習函數與極限、導數(特別是復合函數求導)、微分、積分、冪級數展開、微分方程等基礎知識。在深度學習的優化過程中,求解函數的一階導數是最為基礎的工作。當提到微分中值定理、Taylor公式和拉格朗日乘子的時候,你不應該只是感到與它們似曾相識。
    線性代數
    深度學習中的運算常常被表示成向量和矩陣運算。線性代數正是這樣一門以向量和矩陣作為研究對象的數學分支。需要重點溫習的包括向量、線性空間、線性方程組、矩陣、矩陣運算及其性質、向量微積分。當提到Jacobian矩陣和Hessian矩陣的時候,你需要知道確切的數學形式;當給出一個矩陣形式的損失函數時,你可以很輕松的求解梯度。
    概率論
    概率論是研究隨機現象數量規律的數學分支,隨機變量在深度學習中有很多應用,無論是隨機梯度下降、參數初始化方法(如Xavier),還是Dropout正則化算法,都離不開概率論的理論支撐。除了掌握隨機現象的基本概念(如隨機試驗、樣本空間、概率、條件概率等)、隨機變量及其分布之外,還需要對大數定律及中心極限定理、參數估計、假設檢驗等內容有所了解,進一步還可以深入學習一點隨機過程、馬爾可夫隨機鏈的內容。
    凸優化
    結合以上三門基礎的數學課程,凸優化可以說是一門應用課程。但對于深度學習而言,由于常用的深度學習優化方法往往只利用了一階的梯度信息進行隨機梯度下降,因而從業者事實上并不需要多少“高深”的凸優化知識。理解凸集、凸函數、凸優化的基本概念,掌握對偶問題的一般概念,掌握常見的無約束優化方法如梯度下降方法、隨機梯度下降方法、Newton方法,了解一點等式約束優化和不等式約束優化方法,即可滿足理解深度學習中優化方法的理論要求。
    機器學習
    歸根結底,深度學習只是機器學習方法的一種,而統計機器學習則是機器學習領域事實上的方法論。以監督學習為例,需要你掌握線性模型的回歸與分類、支持向量機與核方法、隨機森林方法等具有代表性的機器學習技術,并了解模型選擇與模型推理、模型正則化技術、模型集成、Bootstrap方法、概率圖模型等。深入一步的話,還需要了解半監督學習、無監督學習和強化學習等專門技術。

    作者追問:2020-05-27 13:55

    如果我什么基礎都沒有就不能學習了嗎?

    CRain
    2樓 · 2020-05-27 12:03

    深度學習非常難,需要python基礎。

    帥帥馬
    3樓 · 2020-05-27 13:29

    1、在讀計算機專業學生(包含本科和研究生) 2、在職計算機相關行業從業人員

    IT小白
    4樓 · 2020-05-27 13:59

    深度學習很火,也是之后的大趨勢,不過學起來比較難,需要足夠的Python基礎,才能掌握

    洪荒少女
    5樓 · 2020-06-23 09:31

    計算機、數學專業學深度學習比較有優勢,最重要的還是得有真實企業級項目實操,直面復雜開發環境,擺脫開源項目理想化開發,更加符合企業真實需求,我這里有些資料有興趣可以私發你。


    小豬丨佩奇home
    6樓 · 2020-07-07 16:16

    ??萍捌湟陨隙伎梢詫W;,同時擁有信心,態度好就可以。


    深度學習的人才需求還是很大的,這些在近幾年特別的火熱,主要需要具有計算機基礎,軟件基礎。包括算法學習,機器語言學習等必備技能

    九久
    8樓 · 2020-07-13 19:02

    需要一些開發語言類的基礎

    回答: 2021-10-25 14:53

    深度學習只是機器學習方法的一種,而統計機器學習則是機器學習領域事實上的方法論。以監督學習為例,需要你掌握線性模型的回歸與分類、支持向量機與核方法、隨機森林方法等具有代表性的機器學習技術,并了解模型選擇與模型推理、模型正則化技術、模型集成、Bootstrap方法、概率圖模型等

    深度學習還是挺難,需要Python開發基礎才可以的;

    相關問題推薦

    • 回答 157

      其實學軟件測試是很好找工作的,因為一般的高等院校沒有專門的軟件測試專業,所以大部分人才都是通過培訓機構培養的,但是遠遠趕不上每年的人才需求,因為軟件測試的人才缺口很大。另外軟件測試分為功能測試、性能測試、接口測試、自動化測試,只要掌握好其中...

    • 回答 80
      已采納

      付出和回報是成正比的,要想高薪,工作肯定是避免不了會累一些的!IT行業里,又要工資還可以,又要崗位工作不是很累的,那大概只有軟件測試和UI設計了。相比開發類的崗位,動不動就加班的!測試可能會輕松不少!而UI設計的話,也相對來說,薪資尚可,不催圖的...

    • 回答 53
      已采納

      目前為止,轉IT仍然是非常好的選擇,不是坑。認為轉IT是坑通可能是有幾個原因:一是聽說就業門檻高二是聽說青春飯,有年齡限制三是聽說行業發展迅速技術迭代快需要不斷學習IT行業確有如下幾個特點:1. 收入可觀,2.相對公平,3.當代年輕人的舞臺。1、可觀的收...

    • 回答 38

      Java和C都可以,主要是看做那方便以及就業需求量,不過個人覺得JAVA相對來說要簡單一些

    • 回答 36

      首先,要看你想學的科目方向,不過我覺得最重要的是思維邏輯能力,不過現在發展也比較成熟了,找個好老師,靠譜的機構,還是問題不大

    • 回答 12

      人工智能專業、計算機科學與技術專業我不太熟悉,我覺得對于女生來說,如果邏輯思維能力不錯,抗壓能力也不錯,學這些應該都沒問題,我本人就是學習大數據的,也是女生,覺得大數據這個專業還是挺好的。...

    • 回答 35

      學java、Python都還不錯,薪資都比較高呢,而且市場需求大。

    • 回答 25

      自己學肯定有難度的,建議培訓,要是培訓的話,4個月左右吧,不難的,只要自己好好學,絕對不是問題。

    • 回答 19

      首先web行業的就業情況還是很不錯的第一、web前端前景1、現在進入到了互聯網時代,不管干什么基本都離不開網絡,尤其是電商行業,對于用戶的交互和體驗度更加注重,而這些基本都是web前端技術實現的效果。2、 現在對于IT互聯網的應用廣泛,app、小程序、移動...

    • 回答 25

      每年Java還是很香,招聘需求還是很旺,但是企業對于人才的要求也是越來越高。底層飽和,中高級人才稀缺,是當前大多數開發崗位的現狀,無論是Java還是前端,都是如此。因此如果只是抱著掙快錢的想法來入行的,建議可以繞道了。不是真心想進入這行的,不是真正...

    • 回答 20

      自己看

    • 回答 12

      提升自身條件,技術也要提高,這樣才能去好的企業大廠發展

    • 回答 19

      Django是一個開放源代碼的Web應用框架,由Python寫成。采用了MVT的框架模式,即模型M,視圖V和模板T。它最初是被開發來用于管理勞倫斯出版集團旗下的一些以新聞內容為主的網站的,即是CMS(內容管理系統)軟件。并于2005年7月在BSD許可證下發布。這套框架是以比...

    • 回答 13

      Java企業級解決方案較多且成熟,國內搜索網站上對于各種問題的解答較多,相比而言,Python成熟企業級解決方案沒Java多,資料多以外文為主。國內web開發大環境一直以Java為主,從業者人口基數眾多,小白學習Java無論是書籍還是視頻資料一搜一大把,從業者技術...

    • 回答 10

      django現在在生產環境用得還是比較多的,但是只能說數量比較多,質量很差;意思就是,越大型的項目越不會選django,因為它封裝得太好,不夠靈活,一般快速上馬項目可以,但是長期維護下來很難受一般如果有開發團隊的都選flask和tornado...

    沒有解決我的問題,去提問
    出去打工和儿子租房