【4068】深度學(xué)習(xí)之美：AI時(shí)代的數(shù)據(jù)處理與最佳實(shí)踐

（張玉宏著，電子工業(yè)出版社，89.2萬(wàn)字，2018年7月第1版，128元）

△這本書深入淺出地介紹了深度學(xué)習(xí)的相關(guān)理論和實(shí)踐。全書共分16章，采用理論和實(shí)踐雙主線寫作方式。如，深度學(xué)習(xí)的大圖；機(jī)器學(xué)習(xí)的相關(guān)基礎(chǔ)理論、機(jī)器學(xué)習(xí)實(shí)踐、M.P模型、感知機(jī)、多層神經(jīng)網(wǎng)絡(luò)、BP神經(jīng)網(wǎng)絡(luò)等知識(shí)；……

〇西蒙：學(xué)習(xí)的核心目的就是改善性能。

〇沒有達(dá)到認(rèn)知升級(jí)目的，那么即使表面看起來(lái)非常勤奮，其實(shí)也僅僅是一個(gè)“偽學(xué)習(xí)者”。

〇深度學(xué)習(xí)，是一種包括多個(gè)隱含層（越多即為越深）的多層感知機(jī)。它通過(guò)組合低層特征，形成更為抽象的高層表示，用以描述被識(shí)別對(duì)象的高級(jí)屬性類別或特征。能自生成數(shù)據(jù)的中間表示（雖然這個(gè)表示并不能被人類理解），是深度學(xué)習(xí)區(qū)別于其他機(jī)器學(xué)習(xí)算法的獨(dú)門絕技。

〇深度學(xué)習(xí)的學(xué)習(xí)對(duì)象是數(shù)據(jù)，“大數(shù)據(jù)+復(fù)雜（大）模型”或許能更好地提升學(xué)習(xí)系統(tǒng)的性能。

〇機(jī)器學(xué)習(xí)要走好的三大步：[1]如何找一系列的函數(shù)來(lái)實(shí)現(xiàn)預(yù)期的功能，這是建模問(wèn)題；[2]如何找出一系列評(píng)價(jià)標(biāo)準(zhǔn)來(lái)評(píng)估函數(shù)的好壞，這是評(píng)估問(wèn)題；[3]如何快速找到性能最佳的函數(shù)，這是優(yōu)化問(wèn)題。

〇“中庸之道”就是告訴我們要在靈活性（變）和原則性（不變）之間，保持一個(gè)最佳的平衡。

〇強(qiáng)化學(xué)習(xí)強(qiáng)調(diào)的是，在一系列的情景之下，選擇最佳決策，它講究通過(guò)多步恰當(dāng)?shù)臎Q策，來(lái)逼近一個(gè)最優(yōu)的目標(biāo)，因此，它是一種序列多步?jīng)Q策的問(wèn)題。

〇“忍無(wú)可忍，無(wú)須再忍”。

〇欲速覽無(wú)限風(fēng)光，必攀險(xiǎn)峰；欲速抵山底幽谷，比滾陡坡。這滾山坡的道理，其實(shí)就是梯度遞減策略，而梯度遞減策略，則是BP算法成功背后的基礎(chǔ)。

〇紙上談兵終覺淺，絕知積卷要編程。

〇要想戰(zhàn)勝深度學(xué)習(xí)陡峭的學(xué)習(xí)曲線，領(lǐng)悟到它的美，其實(shí)需要很長(zhǎng)的學(xué)習(xí)時(shí)間，也要求具有一定的數(shù)學(xué)功底。這方面，恰恰是自己最大的短板。