對于深度學習，我也是一個初學者，能力有限，但這些的確是我現(xiàn)在的真實想法，我也會按這個思路去嘗試。
1
我是一個好奇心很重的人。深度學習剛開始流行的時候，我就做過簡單的學習。當時我的結論是短期內(nèi)，深度學習只能在弱智能徘徊，很難進展到強智能。
這個結論在今天看來，也不算過時。但真正被深度學習給 Shock 到，是去年和某教育 APP 的 CEO
同學聊天。他告訴我，在教育這個垂直領域，他們的語音識別率已經(jīng)比訊飛要高了，依賴于大量的數(shù)據(jù);更 NB 的是，加上 NLP，他們的 AI
已經(jīng)可以幫老師改主觀題了。主觀題啊，就是數(shù)學的問答題，語文的作文。
這讓我開始重新思考弱智能。
2
完全依靠強智能的應用場景，會產(chǎn)生很多問題。比如自動駕駛，要想在中國這種交通環(huán)境下運行，一時半會兒是不行。即使是一個看起來簡單的問答機器人，也沒一家真正做好，你多問
siri 幾句，她很快就暈了。
經(jīng)常關注我微博同學會知道，我最喜歡說的一句話就是：「能自動化的，要自動化;不能自動化的，要半自動化」。
在人工智能上，這個法則似乎依然是有效的。既然現(xiàn)在強智能還不夠強，那么為什么我們不用弱智能+人工確認的方式，來實現(xiàn)「半智能化」呢：用機器幫你做預選，你來做最終選擇，雖然依然包含了人工干預，但卻可以把生產(chǎn)效率提升幾十倍。
3
有同學和我說，找不到應用深度學習的場景，這是因為太執(zhí)著于強智能，想讓機器獨立處理所有事情;如果使用「半自動化」的思路，你會發(fā)現(xiàn)遍地都是場景。
最典型的場景就是「按需求進行組合搭配」。拿今天小程序舉例，小程序在框架層上，將功能分隔到了page
的粒度，這使得小程序的組件會很好的被重用;而在設計上，小程序提供了統(tǒng)一的官方指導風格，所以不會出現(xiàn)太多個性化的東西。
我需要一個用戶資料管理， xpm install user-profile;我需要動態(tài) Feed 流，xpm install
feed-timeline 。
然后這貨就喊著要去做，還在 GitHub 上開了個坑，據(jù)說 SDK
已經(jīng)寫完，安裝器年前能開始內(nèi)測。
然后我告訴他，你得趕緊做，從長遠看，通用應用最后是不太值錢的，因為很快就有開源項目把它做得很好。真正值錢的是，下沉到行業(yè)里邊的應用。比如說吧，同樣是用戶資料頁，房地產(chǎn)行業(yè)的、獵頭行業(yè)的以及技術社區(qū)的會完全不一樣。但區(qū)別也就是添加幾個行業(yè)特定的字段而已。
大量的「二次開發(fā)」工作，才是最為瑣碎又最為掙錢的。
這就是典型的可以用上深度學習的場景。通過抓取對應行業(yè)的 H5
頁面，我們很快就可以把各個行業(yè)需要哪些可能的字段給整理出來，然后把這些交給機器進行學習，當再有新的需求進來的時候，機器就可以自動配好預設字段。機器會出錯么?當然。但哪怕是80%的準確率，也已經(jīng)可以節(jié)省掉好幾個程序員了。
為什么我要學深度學習? 因為這背后是 TM 白花花的銀子。
4
其實細心的同學會發(fā)現(xiàn)，我一直說的是「深度學習」而不是「機器學習」。
因為我的目的很簡單，那就是用。在學習第一年，我給自己定的目標不是要理解「機器學習」的原理，而是要把「深度學習」用到自己產(chǎn)品的方方面面。
先學「深度學習」還有一個好處，那就是不用太多「機器學習」的基礎。能把tensorflow、kears
這種開源框架搭起來，然后喂數(shù)據(jù)，然后看結果。等到優(yōu)化的時候再去補知識點。
因為深度學習更像是一個黑盒子，現(xiàn)在很多專門搞深度學習的同學也說不清楚為什么要建三個層、要放四個節(jié)點;什么情況下用什么激活函數(shù)。只說通過實踐+觀察數(shù)據(jù)慢慢調(diào)整。這簡直就是新手上路的最好切入點嘛。
如果不想在本地搭建環(huán)境，AWS 上已經(jīng)有可以用的鏡像，基于 API 的深度學習服務也日益增多。這東西就像水電氣一樣，用比學重要。
也有同學嚴謹?shù)闹赋觯芏鄨龊舷?，機器學習的其他方法遠比深度學習有效。他們是對的，如果說學好整個機器學習，可以做到90分;那么光用深度學習，可能只有70分。但現(xiàn)在絕大部分的程序，連
TM 一點智能都還沒用上呢。從零分到70分，只需要把深度學習用起來。
為什么我要學習深度學習，因為這 TM的性價比太高。
感謝大家閱讀由java培訓機構分享的“為什么程序員一定要會深度學習”希望對大家有所幫助，更多精彩內(nèi)容請關注Java培訓官網(wǎng)
免責聲明：本文由小編轉載自網(wǎng)絡，旨在分享提供閱讀，版權歸原作者所有，如有侵權請聯(lián)系我們進行刪除
